توموگرافی کامپیوتری با رزولوشن بالا (hrct) یک تکنیک تصویربرداری پزشکی است که چشم انداز روشنی از بدن انسان به منظور بازرسی بافت ریه در اختیار قرار می‏دهد. این تکنیک اندازه‏گیری‏های دقیقی از الگوهای بافتی مربوط به بیماری سیستیک فیبروز فراهم می‏آورد. سیستیک فیبروز (cf) یک بیماری مزمن ارثی و شایعترین اختلال اتومازول مغلوب در سفید پوستان است که عمدتاً ریه‏ها و دستگاه گوارشی را تحت تأثیر قرار می‏دهد. در ریه‏ها بیماری سیستیک فیبروز با ایجاد آسیب‏های متنوع در مجرا و دیواره‏ی راه‏های هوایی و در پی آن عفونت و التهاب، خانواده‏ای از الگوهای بافتی را پدید می‏آورد. هدف از انجام این پروژه ارائه یک سیستم تشخیص به کمک کامپیوتر (cad) خودکار جهت تشخیص و شناسایی بافت سالم و ناسالم تصاویر hrct از جمعیت نسبتاً بالایی از بیماران cf است، تا از این طریق بتواند به تشخیص پزشک و درمان زود‏هنگام این بیماری یاری رساند. الگوریتم ارائه شده به منظور طبقه‏بندی الگوهای بافت ریه از سه مرحله ناحیه‏بندی، استخراج ویژگی و طبقه‏بندی تشکیل شده است. در مرحله اول بافت ریه از نواحی قفسه سینه جدا می‏گردد. در مرحله دوم سه تبدیل پردازشی نوین شامل موجک گابور دایره‏ای، کانتورلت و فریم‏های موجک گسسته برای تولید بردار ویژگی از نواحی مطلوب (roi) تعریف شده درون بافت ریه استفاده می‏شود. سپس از میان بردارهای ویژگی، با استفاده از روش انتخاب ترتیبی پیشرو و انتخاب ترتیبی پسرو بردارهای ویژگی مستقلی که قدرت تمایز بیشتری دارند، انتخاب می‏شوند. در مرحله آخر الگوریتم ماشین‏های بردار پشتیبان فازی (fsvm) برای طبقه‏بندی الگوها در دو گام اعمال می‏گردد. در این مطالعه سه الگوی بافتی عمده مرتبط با بیماری cf (نرمال، برونشکتازی و التهاب) از یک پایگاه داده شامل 1100 تصویر hrct مربوط به 22 بیمار مبتلا به cf انتخاب شده و طبقه‏بندی می‏گردند. آزمایشات بر روی دو مجموعه آزمون مختلف انجام می‏گیرد. در مجموعه آزمون اول roiهای استخراج شده توسط روش پیشنهادی طبقه‏بندی می‏شوند و در مجموعه آزمون دوم الگوریتم طبقه‏بندی روی کل تصویر hrct اعمال می‏گردد. نتایج حاصل از این آزمایش‏ها نشان می‏دهد که روش پیشنهادی در مشخصه‏یابی بافت ریه با دقت کلی 8/77% شامل دقت 5/93% در گام اول و دقت 25/84% در گام دوم، نسبت به مطالعه مشابه انجام شده در این زمینه با دقت 6/72% از عملکرد مطلوب‏تری برخوردار است.

مقطع‎‏نگاری رایانه‏ای با دقت مکانی بالا (hrct) یک روش تصویربرداری پزشکی است که تصویری گویا از بدن انسان به منظور بررسی بافت ریه در اختیار قرار می‎‏دهد. این روش اندازه‏‎گیری‏‎های دقیقی از الگوهای بافتی مربوط به بیماری‎‏های ریه از جمله سیستیک فیبروز فراهم می‏‎آورد. سیستیک فیبروز یک بیماری مزمن ارثی و شایعترین اختلال اتومازول مغلوب در سفید پوستان است که عمدتاً ریه‏‎ها و دستگاه گوارشی را تحت تأثیر قرار می‏‎دهد. در ریه‎‏ها بیماری سیستیک فیبروز با ایجاد آسیب‎‏های متنوع در مجرا و دیواره‏ی راه‏‏‎های هوایی و در پی آن عفونت و التهاب، باعث ایجاد تغییرات ساختاری و عملکردی در راه‏‎های هوایی افراد مبتلا به این بیماری می شود. تاکنون الگوریتم اندازه گیری پهنای کامل در نیمه دامنه به ترتیب دیواره داخلی راه‎هوایی را کمتر از اندازه واقعی و دیواره خارجی را بیشتر از اندازه واقعی بیان می‎کند. در موافقت فاز نیز با اینکه یک تعریف خوب از دیواره راه‎هوایی حتی در مکان‎‏های نزدیک به ساختار عروق که در آن لبه‎ها به خوبی تعریف نشدند مشخص می‎کند ولی نسبت به اندازه راه‎‏هوایی محدودیت دارد و در آخرین روش مبتنی بر مدل ارائه شده از مقادیر تجربی برای اندازه‎گیری اولیه استفاده شده است. حال در این پایان‏‎نامه الگوریتم خودکار کامپیوتری ارائه شده، جهت اندازه‏‎گیری قطر رگ و راه‎‏هوایی با علایم برونشکتازی به منظور استفاده در درجه‏‎بندی بیماری و یا بررسی روند بهبود آن است. در مرحله اول پیش‏ پردازشی برای آماده‏‎سازی تصویر جهت روش مبتنی بر آستانه صورت می‏‎گیرد. سپس در مرحله دوم روش مبتنی بر آستانه انجام شده و اندازه‏‎گیری‏‎های اولیه جهت ساخت مدل در مرحله بعد بدست می‏‎آید و پس از ساخت مدل در مرحله آخر با استفاده از الگوریتم تکاملی جمعیت ذرات، پارامترهای اندازه‎‏گیری شده بهینه می‎‏شود.

چکیده ندارد.

چکیده ندارد.