شناسایی اتوماتیک ندول های ریوی با استفاده از پردازش دیجیتال تصاویر سی تی ریه
چکیده
سرطان ریه از مرگبارترین سرطان ها می باشد. یکی از نشانه های بروز سرطان های ریه، ندول های ریوی می باشند که می توانند به صورت مجزا یا متصل به دیواره ی ریه ظاهر گردند. ندول یک توده ی اضافی است که در داخل ریه تولید می شود. سرطان ریه در مراحل اولیه هیچ گونه علائمی در تصاویر سی تی اسکن ندارد و زمانی علائم آن ظاهر می شود که بیماری در مراحل پیشرفته تری قرار گرفته باشد و این به دلیل وجود تباین پایین، اندازه ی کوچک و محل قرارگیری ندول ها در مراحل اولیه است. درصورتی که ندول ها کوچک باشند، آشکارسازی آن ها با چشم بسیار دشوار می باشد. به همین علت در چنین مواردی الگوریتم های پردازش تصویر که توسط کامپیوتر انجام می شوند، می توانند به عنوان کمک کار رادیولوژیست در آشکارسازی، محل یابی و ارزیابی کیفیت ندول کمک کنند. چنین سیستم هایی به عنوان ابزاری هوشمند که نظر دوم را برای رادیولوژیست بیان می کنند، بکار برده می شوند که موقعیت های مشکوک در تصاویر را به رادیولوژیست نشان داده و از این طریق به رادیولوژیست در تشخیص هر چه صحیح تر کمک می نمایند. ایده ی اساسی این نیست که تشخیص بیماری به یک ماشین محول شود بلکه، به این دلیل استفاده می شود که حساسیت کار را افزایش و نرخ خطای مثبت اشتباه را کاهش می دهد. سی تی اسکن یکی از روش های بسیار حساس و دقیق تصویربرداری است که در شناسایی انواع سرطان های ریه بکار می رود. بر این اساس، در این پایان نامه سیستمی برای شناسایی ندول های ریوی در تصاویر سی تی اسکن ریه پیشنهاد شده است. در ابتدا به منظور افزایش سرعت و دقت پردازش، لوب های ریه از تصویر اصلی به دست می آیند. در مرحله بعد، الگوهایی را برای ندول های ریوی در نظر می گیریم و توسط روشی که بیشترین همبستگی را بین الگو و تصویر محاسبه می کند، نواحی مشکوک به ندول های ریوی را شناسایی می کنیم. نواحی مشکوک به ندول های ریوی می توانند رگ یا ندول باشند که آن ها را توسط روش کانتورهای فعال از پس زمینه جدا می کنیم. در مرحله ی استخراج ویژگی ها، استفاده از اطلاعات فقط یک فریم با خطای زیادی در تشخیص روبه رو است، در نتیجه تشخیص ها وقتی دقیق تر خواهند بود که حتی الامکان از تعداد بیشتری فریم استفاده شود. در این پایان نامه، ویژگی های استخراج شده بر مبنای این قاعده می باشند که ندول ها کروی شکل و رگ ها استوانه ای شکل هستند. بنابراین در نواحی ندولی بین قطر کوچک، قطر بزرگ و طول آن اختلاف زیادی وجود ندارد. در نتیجه ویژگی های دو بعدی و سه بعدی را از نواحی مشکوک به ندول های ریوی استخراج می کنیم. در نهایت، برای طبقه بندی نواحی مشکوک به ندول های ریوی به دو کلاس ندول و غیر ندول، از میان روش های موجود، از روش ماشین های بردار پشتیبانی (svm) به عنوان یکی از مطمئن ترین روش های طبقه بندی استفاده شده است. الگوریتم پیشنهادی برای شناسایی ندول های ریوی بر روی تصاویر سی تی اسکن ریه از پایگاه داده elcap، اعمال شده است. نتیجه الگوریتم نهایی طبقه بندی نشان می دهد که بهبود قابل توجهی در نتایج روش ارائه شده نسبت به روش های موجود در این زمینه، وجود دارد. این روش به میزان حساسیت و تشخیص به ترتیب برابر با 2/93% و 9/95% دست یافته است.