تشخیص بیماری کووید-۱۹ توسط تکنیک های پردازش تصاویر سی تی اسکن ریه

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 56

This Paper With 11 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-8-1_001

تاریخ نمایه سازی: 9 مرداد 1403

Abstract:

مقدمه: امروزه روش های متعددی جهت تشخیص بیماری کووید-۱۹ مانند علائم بالینی مرتبط با بیماری و روش های تشخیصی با دقت بالاتر نظیر تصویربرداری سی تی اسکن از ریه ها استفاده میگردد. هدف از انجام این مطالعه دستیابی به یک روش تشخیصی دقیق جهت تشخیص هوشمند و خودکار بیماری کووید-۱۹ با به کارگیری تکنیک های پردازش تصایر سی تی اسکن ریه ها و به کارگیری نتایج این روش به صورت ابزار تشخیصی دقیق به عنوان مکمل دستگاه سی تی اسکن میباشد. روش: با به کارگیری الگوریتم های پردازش تصاویر دیجیتال مانند بخش بندی و استخراج ویژگی از تصاویر و استفاده از روش های مختلف تحلیل آماری بر روی ویژگی های مستخرج از تصاویر، به شناسایی بیماری کووید-۱۹ (دیتای ۷۹ نفر) از طریق تصاویر سی تی اسکن نمونه های مرد و زن دارای سنین مختلف پرداخته و به ارزیابی تاثیراتی که این بیماری روی ریه های افراد مبتلا میگذارد، پرداخته میشود. زمان و مکان انجام پژوهش به ترتیب در بهار سال ۱۳۹۹ و در دانشکده علوم و فناوری های پزشکی واحد علوم و تحقیقات تهران انجام گردیده است. نتایج: این روش هوشمند بر پایه استخراج ویژگی از تصاویر سی تی اسکن ریه ها میتواند بر اساس دسته های مختلف (جنسیت، نوع آسیب ایجاد شده در اثر بیماری) با دقت بالا به تشخیص این بیماری بپردازد. با توجه به بررسی موقعیت درگیری بافت ریه در افراد مبتلا به کووید-۱۹، مشخص گردید که اکثر افراد مبتلا در بخش های تحتانی هر دو ریه دچار تخریب بافت به مقدار بیشتر از لب های میانی و فوقانی شده اند. نتیجه گیری: الگوریتم ارائه شده در این مطالعه با دقت بالا قادر به تشخیص و تمایزپذیری داده های تصاویر اخذ شده از ریه های افراد سالم و بیماران مبتلا به کروناویروس میباشد.

Authors

ناصر صفدریان

M.Sc. in Biomedical Engineering, Lecturer, Biomedical Engineering Dept., Faculty of Medical Sciences and Technologies Science and Research Branch, Islamic Azad University, Tehran, Iran

نادر جعفرنیا دابانلو

Ph.D. in Electrical Engineering, Associate Professor, Biomedical Engineering Dept., Faculty of Medical Sciences and Technologies, Science and Research Branch, Islamic Azad University, Tehran, Iran

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 :
  • Coronavirus. [cited ۲۰۲۰ May ۱۹]. Available from: https://www.who.int/health-topics/coronavirustab=tab_۱۲. Tavakoli A, ...
  • Meskarpour-Amiri M, Shams L, Nasiri T. Identifying and Categorizing the ...
  • Alipour A, Ghadami A, Alipour Z, Abdollahzadeh H. Preliminary Validation ...
  • Soleimanifar M, Hazrati E. Pulmonary Rehabilitation and Physiotherapy Management of ...
  • Hassantabar S, Ahmadi M, Sharifi A. Diagnosis and detection of ...
  • نمایش کامل مراجع