بازشناسی وفقی وقوع بیماریهای کبدی در تصاویر سی تی: مدلی خودکار با تلفیق توصیفگرهای ماتریس هم رخداد و مدل سلسله مراتبی پردازش بینایی

به سبب برخی تضادها در نتایج استنباطی از تصاویر سیتی و تباین مشابه میان بخش های مختلف کبد از سوی پزشکان، تشخیص دقیق بیماری های احتمالی، تبحر، تجربه، دقت و زمان میطلبد. در این مقاله، مدلی ترکیبی مبتنی بر تکنیکهای پردازش تصویر و یادگیری ماشینی ارایه شده که میتواند در تفکیک ضایعات ناشی از بیماری کبدی در تصاویر سیتی موثر باشد. مراحل پیادهسازی شامل چهار فاز است. (1) پیش پردازش تصاویر نمونه سیتی، بهره گیری از روش تبدیل موجک گسسته در حذف نویز و جداسازی ناحیه مورد علاقه تصویر؛ (2) ساخت الگوی بازشناسی که بر مبنای استخراج ویژگیها توسط ماتریس هم رخداد سطوح خاکستری و توصیفگر قدرتمند Hmax رخ میدهد؛ کاستن ابعاد ویژگی ها نیز توسط الگوریتم آنالیز اجزای اصلی و طبقهبندی توسط ماشین بردار پشتیبان و در نهایت (3) ارزیابی به روش K-fold در عملکرد. نتایج در پیاده سازی چه در مرحله ارزیابی عملکرد و چه در مرحله بهرهگیری از انتخاب ویژگی رضایت بخش است؛ دقت بازشناسی به طور متوسط در حد مطلوب %92 قرار دارد و عدم قطعیت مورد بررسی قرار گرفته است. پیادهسازی این سیستم در مراکز بیمارستانی و کلینیک منجر به تشخیص صحیح و بلادرنگ بیماری کبدی در حد گستردهای خواهد شد.

کلیدواژه ها:

بیماری کبدی ، تصاویر سیتی ، آنالیز اجزای اصلی ، ماتریس هم رخداد ، توصیفگر Hmax و ماشین بردار پشتیبان