تحلیل خودکار الگوهای پاتولوژیک ریوی در تصاویر HRCT بیماران مبتلا به ناهنجاری های بافت بینابینی ریه

دسته بندی خودکار الگوهای بافت ریه در تصاویر HRCT بیماران مبتلا به ناهنجاری های بافت بینابینی ریه (ILD) یک مرحله مهم در ایجاد یک سیستم تشخیص به کمک کامپیوتر میباشد. بدین منظور ابتدا بافت اصلی ریه از پس زمینه جدا میشود. تحلیل محتوای بافت ریه و بازشناسی الگوهای موجود در آن با استفاده از نواحی مطلوب تعریف شده (ROI) به ابعاد 31X31 پیکسل انجام می شود. سپس دو بانک فیلتری مختلف به نام های فریم های موجک گسسته (DWF) و فریم های موجک دوران یافته (RWF) برای استخراج ویژگی هایی که به بهترین وجه ممکن ROI ها را توصیف کنند اعمال می شوند. در نهایت الگوریتم ماشین بردار پشتیبان برای دسته بندی الگوها اعمال می شود. در این مطالعه 4 الگوی مرتبط با ILD (لانه زنبوری، رتیکولار یا همان ضخیم شدن سپتوها، شیشه مات و نرمال) از یک پایگاه داده انتخاب شده و با استفاده از روش پیشنهادی دسته بندی می شوند. دقت بسته بندی چهار کلاسه به ترتیب 90/72% و 95/85% برای RWF , DWF و ترکیب ویژگی های حاصل از این دو بانک فیلتری است. نتایج نشان می دهد که ترکیب ویژگیهای حاصل از دو بانک فیلتری که به نظر می رسد مکمل هم باشند دقت دسته بندی را بطور محسوسی بهبود می بخشد.

Keywords:

بخش بندی تصاویر HRCT , فریمهای موجک گسسته , فریمهای موجک دوران یافته , کلاسیفایر ماشین بردار پشتیبان