fa سیستم کمک تشخیصی کامپیوتری جهت آشکارسازی بیماری انسدادی ریه در تصاویر سی‌تی‌اسکن <strong>زمینه و هدف</strong>: بیماری مزمن انسدادی ریه یکی از شایع‌ترین بیماری‌های ریوی است. وجود یک سیستم مکانیزه که بتواند میزان صدمه وارد شده به بیمار را تخمین بزند در معالجه بیمار بسیار کمک‌ کننده خواهد بود. در این مقاله یک سیستم نوین کمک تشخیصی کامپیوتری (CAD) برای تشخیص بیماری و وخامت آن با استفاده از تصاویر سی‌تی‌اسکن پیشنهاد شده است. <strong></strong><p></p> <p dir="rtl"><strong>روش بررسی: </strong>در دو حالت دم کامل و بازدم کامل از بیست و چهار نمونه تصویر‌برداری شد و با الگوریتم بخش‌بندی کانتورهای فعال نسج ریه از بقیه تصویر جدا گردید. در ادامه الگوی نرمال شده تغییرات نسج خارجی ریه به عنوان معیاری در شناسایی بیماری در نظر گرفته شد. با استفاده از طبقه‌بندی‌کننده بیز الگوها به دو کلاس سالم و بیمار دسته‌بندی گردید. در نهایت آزمون آماری t برای بررسی صحت کلاس‌بندی‌ها اعمال گردید. <strong></strong></p> <p dir="rtl"><strong>یافته‌ها:</strong> با<strong> </strong>روش پیشنهادی نسبت ارتجاع‌پذیری ریه و گیر افتادگی هوا به صورت کمّی به‌دست می‌آید. نزدیک بودن این مقدار به عدد صفر بیانگر افزایش هوای مرده در ریه و ابتلای بیمار به انسداد و تنگی نفس می‌باشد. با بررسی تصاویر ریه در بیماران و افراد سالم مقدار آستانه برای تشخیص بیماری به‌دست آمد. نتایج اعمال روش پیشنهادی بر روی تصاویر کلینیکی نشان می‌دهد که تا حد زیادی می‌توان به کارایی آن امید داشت. <strong></strong></p> <p dir="rtl"><strong>نتیجه‌گیری: </strong>با توجه به دشواری و زمان‌بر بودن روش‌های مرسوم تشخیص بیماری انسدادی مزمن ریه، روشی نوین برای طراحی سیستم کمک تشخیصی کامپیوتری جهت کمک به پزشک در تشخیص بیماری انسدادی مزمن ریه پیشنهاد شده است.</p> </style> <!--stripped--> <strong>Background</strong><strong>:</strong> Chronic Obstructive Pulmonary Disease (COPD) is one of the most prevalent pulmonary diseases. Use of an automatic system for the detection and diagnosis of the disease will be beneficial to the patients' treatment decision-making process. In this paper, we propose a new approach for the Computer Aided Diagnosis (CAD) of the disease and determination of its severity axial CT scan images.<br><strong>Methods</strong><strong>:</strong> In this study, 24 lung CT scans in full inspiratory and expiratory states were performed. Variations in the normalized pattern of the lungs' external parenchyma were exploited as a feature for COPD diagnosis.Subsequently, a Bayesian classifier was used to classify variations into two normal and abnormal patterns for the discrimination of patients and healthy individuals. Finally, the accuracy of the classification was assessed statistically. <br><strong>Results</strong><strong>:</strong> With the proposed method, the lungs parenchymal elasticity and air-trapping were determined quantitatively. The more this feature tended to zero, the more severe air-trapping and obstructive pulmonary disease is. By analyzing CT images in the healthy and patient groups, we calculated the hard threshold for the diagnosis of the disease. Clinical results tested by the mentioned method, suggested the effectiveness of this approach.<br><strong>Conclusion:</strong> In regard to the challenges of COPD diagnosis, we propose a new computer-aided design which may be helpful to physicians for a more accurate diagnosis of the disease. Moreover, this severity scoring algorithm may be useful for targeted disease management and risk-adjustment.</p> بیماری مزمن انسدادی ریه,طراحی سیستم کمک تشخیصی کامپیوتری,تصاویر سی‌تی‌اسکن Chronic obstructive pulmonary disease,COPD,computer-aided design,CAD,computed tomography 718 725 http://tumj.tums.ac.ir/browse.php?a_code=A-10-25-283&slc_lang=fa&sid=1 Parsa Hosseini M محمدپارسا حسینی mp.hosseini@srbiau.ac.ir Yes گروه مهندسی برق، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران Soltanian-Zadeh H حمید سلطانیان‌زاده No استاد قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر دانشگاه تهران Akhlaghpoor Sh شهرام اخلاق‌پور No گروه رادیولوژی، بیمارستان سینا، دانشگاه علوم پزشکی تهران