نام پژوهشگر: سیده الهه ایمانی

طراحی سیستم خودکار تشخیص رتینوپاتی دیابتی با قابلیت ارزیابی کیفیت تصاویر شبکیه
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی 1392
  سیده الهه ایمانی   حمیدرضا پوررضا

رتینوپاتی دیابتی یکی از دلایل شایع نابینایی در جهان محسوب می شود. انجام معاینات دوره ای و تشخیص بموقع بیماری می تواند مانع از بروز نابینایی شود. معاینات دوره ای شامل تصویربرداری از ته چشم و تحلیل تصاویر توسط افراد متخصص برای مشاهده تغییرات سریع در الگوی عروق خونی و بروز ضایعات مختلف می باشد. این روش معاینه بسیار زمانبر، پرهزینه و نیازمند افراد متخصص می باشد. طراحی سیستمی خودکار برای تشخیص رتینوپاتی دیابتی ضروری می باشد. با این وجود مشکلاتی از جمله عدم کیفیت مناسب تصاویر شبکیه مانع از خودکار بودن کامل یک سیستم غربالگری می شود. زیرا اجزای آناتومی و ضایعات شبکیه در تصاویر با کیفیت نامطلوب به خوبی قابل رویت نمی باشد. بنابراین پردازش چنین تصاویری به منظور تشخیص بیماری، شناسایی ضایعات و اجزای آناتومی با مشکل روبرو شده و سبب کاهش کارایی سیستم غربالگری می شود. چنین تصاویری معمولا به صورت غیرخودکار تشخیص داده شده و مجددا تهیه می شود. هدف ما در این پایان نامه، طراحی یک سیستم غربالگری رتینوپاتی دیابتی کاملا خودکار با قابلیت ارزیابی کیفیت تصاویر شبکیه می باشد. الگوریتم های پیشنهادی ارزیابی کیفی تصاویر شبکیه مبتنی بر ویژگی های عمومی و ویژگی های ساختاری تصویر می باشد. در این روش ها از ویژگی های عمومی تصویر مانند وضوح و اطلاعات ساختاری مانند میزان رویت پذیری عروق خونی برای ارزیابی کیفی تصویر استفاده می شود. همچنین روشی برای غربالگری رتینوپاتی دیابتی ارائه شده است که مبتنی بر اطلاعات ساختاری و مورفولوژیکی تصویر می باشد. با توجه به اینکه اجزای سالم و ضایعات در تصاویر شبکیه از لحاظ ساختاری و مورفولوژیکی با یکدیگر متفاوت هستند، می توان با استفاده از الگوریتم تفکیک محتوای تصویر، عروق و ضایعات تصاویر شبکیه را از یکدیگر تفکیک کرد. سپس با استفاده از ویژگی های بافتی تصاویر ضایعات شبکیه، غربالگری رتینوپاتی دیابتی انجام می شود. برای ارزیابی الگوریتم های پیشنهادی از بانک استاندارد messidor و بانک محلی بیمارستان خاتم الانبیا استفاده شده است. مقادیر sensitivity و specificity حاصل از سیستم پیشنهادی به ترتیب برابر با 92.01% و 95.45% می باشد.