مروری بر سیستم های تشخیص خودکار آمبولی ریوی در تصاویر توموگرافی کامپیوتری آنژیو

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 37

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHBMI-3-3_007

تاریخ نمایه سازی: 9 مرداد 1403

Abstract:

مقدمه: تصاویر توموگرافی کامپیوتری آنژیو ریه به صورت گسترده در شناسایی آمبولی ریوی استفاده می شوند. استفاده از این برش نازک برای بررسی عملکرد بالینی ریه امری ضروری است، اما باعث افزایش حجم بار زمانی رادیولوژیست می شود. از این رو سیستم های متعددی برای شناسایی آمبولی طراحی شده است. هدف از این مقاله، مروری بر سیستم های تشخیص آمبولی ریوی و ارزیابی عملکرد آن ها است. روش: در این مطالعه کلیه مقالات موجود در پایگاه های اطلاعاتی IEEE، Science Direct، Medical Physics، SPIE در زمینه پردازش تصاویر توموگرافی کامپیوتری آنژیو ریه و سیستم های تشخیص با کمک کامپیوتر، مورد بررسی قرار گرفته است. تعداد ۱۶ مقاله در بین سال های ۲۰۰۲ تا ۲۰۱۵ استخراج شدند. هر مقاله یک سیستم شناسایی خودکار آمبولی ارائه می دهند که با استفاده از تحلیل کمی و کیفی آن ها را مورد ارزیابی قرار می دهیم. روش های ارزیابی روی تعداد بانک تصاویر، حساسیت و میزان خطای مثبت صورت می گیرند. نتایج: سیستم های متنوعی برای شناسایی آمبولی طراحی شده است. بانک تصاویر تحت تاثیر عوامل مختلف همچون بیماری های ریوی، نویز، زمان تصویربرداری، تنوع وجود آمبولی در شاخه های اصلی، پیرامونی و تعداد داده ها است. بیشترین تعداد تصاویر ۱۷۷ نمونه و کمترین آن ۳ نمونه است. میزان حساسیت و تعداد خطای مثبت معیار مناسب دیگر است. در میان سیستم ها، میزان حساسیت ۵۰ تا ۱۰۰ درصد و میزان خطای مثبت در هر برش ۲۲/۶ تا ۲ به دست آمده است. نتیجه گیری: بر طبق نتایج سیستم های تشخیص باید علاوه بر داشتن حساسیت بالا و خطای مثبت کم از یک بانک تصاویر زیاد که شامل آمبولی در شاخه های مختلف باشد، استفاده کنند.

Authors

مجتبی مسعودی

دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.

حمیدرضا پوررضا

Ph.D. in Computer Engineering, Professor of Computer Engineering Department, Ferdowsi University of Mashahd, Mashhad, Iran.

مهدی سعادتمند طرزجان

دکتری مهندسی پزشکی، استادیار، گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.

فاطمه شفیعی زرگر

دانشجوی دکتری تخصصی رادیولوژی، گروه رادیولوژی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.

مهناز امینی

دکتری تخصصی ریه، استادیار، گروه داخلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.

مسعود پزشکی راد

دکتری تخصصی رادیولوژی، دانشیار، گروه داخلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Pforte A. Epidemiology, diagnosis and thrapy of pulmonary embolism. Eur ...
  • Ravenel J, McAdams HP, Goodman PC. Computed Tomography Pulmonary Angiography: ...
  • Pichon E, Novak CL, Kiraly AP, Naidich DP. A novel ...
  • Gonzalez RF, Woods RE. Digital Image Processing, ۲th ed. New ...
  • Chan HP, Hadjiiski L, Zhou C, Sahiner B. Computer-aided diagnosis ...
  • Das M, Mühlenbruch G, Helm A, Bakai A, Salganicoff M, ...
  • Buhmann S, Herzog P, Liang J, Wolf M, Salganicoff M, ...
  • Zhou C, Hadjiiski LM, Sahiner B, Chan HP, Patel S, ...
  • Liang J, Bi J. Computer aided detection of pulmonary embolism ...
  • Park SC, Chapman BE, Zheng B. A multistage approach to ...
  • Tajbakhsh N, Gotway MB, Liang J. Computer-Aided Pulmonary Embolism Detection ...
  • Masutani Y, MacMahon H, Doi K. Computerized detection of pulmonary ...
  • Bouma H, Sonnemans JJ, Vilanova A, Gerritsen FA. Automatic detection ...
  • Zhou C, Chan HP, Sahiner B, Hadjiiski LM, Chughtai A, ...
  • Zhou C, Chan HP, Patel S, Cascade PN, Sahiner B, ...
  • Soleymanpour E, Pourreza HR, Ansaripour E, Yazdi MS. Fully automatic ...
  • Fairfield J. Toboggan contrast enhancement for contrast segmentation ۱۰th International ...
  • Zhou C, Chan HP, Sahiner B, Hadjiiski LM, Chughtai A, ...
  • Dempster AP, Laird NM, Rubin DB. Maximum Likelihood from Incomplete ...
  • Li H, Yezzi A. Vessels as ۴D Curves: Global Minimal ...
  • Gülsün MA, Tek H. Robust vessel tree modeling. Med Image ...
  • Buelow T, Wiemker R, Blaffert T, Lorenz C, Renisch S. ...
  • Masutani Y, Masamune K, Dohi T. Region-Growing Based Feature Extraction ...
  • Özkan H, Osman O, Şahin S, Boz AF. A novel ...
  • Kiraly AP, Novak CL, Naidich DP, Vlahos I, Ko JP, ...
  • Suárez-Cuenca JJ۱, Tahoces PG, Souto M, Lado MJ, Remy-Jardin M, ...
  • Stenning D, Kashyap V, Lee TCM, van Dyk DA, Young ...
  • Mazzeo PL, Spagnolo P, Leo M, T. De Marco T, ...
  • Frangi AF, Niessen WJ, Vincken KL, Viergever MA. Multiscale vessel ...
  • Danielsson PE, Lin Q Ye QZ. Efficient Detection of Second-Degree ...
  • Zheng B, Lu A, Hardesty LA, Sumkin JH, Hakim CM, ...
  • Mirsharif Q, Tajeripour F, Pourreza H. Automated characterization of blood ...
  • Das M. Computer-aided Diagnosis of Peripheral Pulmonary Emboli. Radiological Society ...
  • Digumarthy SR, Kagay CR, Legasto AC, Muse VV, Wittram C, ...
  • Maizlin ZV, Vos PM, Godoy MC, Cooperberg PL. Computer-aided detection ...
  • Wittenberg R, Peters JF, van den Berk IA, Freling NJ, ...
  • نمایش کامل مراجع