سیستمی نوین جهت اندازه‌گیری تغییرات Auto-fluo در بیماری تخریب وابسته به سن ماکولا بعد از تزریق درون وریدی داروی Bavecizumab
محورهای موضوعی : پردازش تصویر و ویدئومحمد نوروزی فرد 1 , علی سلیمانی 2 , جمشید شنبه زاده 3
1 - مربی/دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
2 - مربی /دانشگاه آزاد اسلامی، واحد قزوین
3 - استادیار /دانشگاه تربیت معلم تهران
کلید واژه: ریخت شناسی, مولفه‌های همبند, ماکولا, تخریب وابسته به سن ماکولا, تصویر شبکیه,
چکیده مقاله :
بیماری تخریب وابسته به سن ماکولا در افراد مسن از نظر شیوع دومین بیماری پس از دیابت است که باعث نابینایی می‌شود. تنها راه درمان بیماری تحلیل وابسته به سن ماکولا، تزریق درون وریدی دارویBavecizumab می‌باشد. برای اثبات این روش درمانی باید تعداد سلولهای مرده در ناحیه ماکولا اندازه گیری شود. در این مقاله سیستمی نوین برای اندازه گیری اتوفلورسنس موجود در ناحیه ماکولای تصاویر شبکیه، جهت به دست آوردن تعداد سلولهای مرده ارائه گردیده است. این سیستم ترکیبی از سه بخش اصلی شامل پیش‌پردازش شبکیه، تجزیه تحلیل و درک تصاویر می‌باشد. مرحله پیش‌پردازش وظیفه حذف حاشیه‌ها و معکوس کردن تصاویر شبکیه را بر عهده دارد. در مرحله تجزیه تحلیل، بخش‌بندی تصویر و استخراج ویژگی‌ها انجام می‌گردد. در بخش‌بندی تصویر، نواحی هدف با استفاده از روش‌هایی همچون ریخت‌شناسی، حد آستانه پویا و مولفه‌های همبند1 حاصل می‌گردند. ویژگی‌های نواحی هدف شامل فاصله اقلیدسی نسبت به مرکز تصویر و چگالی می‌باشد. در مرحلة درک تصاویر با استفاده از جمع‌آوری ویژگی‌های هر کلاس، ناحیه ماکولا و پارامتر قابل اندازه‌گیری جهت سنجش میزان اتوفلورسنس به دست می‌آید که به کمک آن تعداد سلولهای مرده در ناحیه ماکولا مشخص می‌گردد. نتایج از طریق تحلیل‌های آماری، شامل رگرسیون خطی و همبستگی بین داده‌ها، حاصل شده است. آزمایشات روی پایگاه داده‌ای شامل 34 تصویر شبکیه بیماران مبتلا به تحلیل وابسته به سن ماکولا، انجام شده است.
Age-Related Macular Degeneration (AMD) is the second disease diabetes which causes blindness in aged people. The only remedy for AMD is intravenous injection of bavecizumab. To prove the efficiency of remedy, the degenerated cells in Macula should be measured. In this article, a modern system is introduced to measure Auto-Fluorescence in Macula part of retina in order to obtain number of degenerated cells. The system consists of three main parts: Pre-processing stage is omission of margins and reversion of images in retina. Analysis stage is in charge of classification of images and elicitation of their features. In classification the target areas are identified by methods like morphology, dynamic threshold and connected comportments and the features of target area including Euclidean distance to the center of image and density. In the stage of understanding by gathering the features of each class, we will get the measurable parameter of evaluating Auto Fluorescence by the help of which we can count the number of degenerated cells of Macula area. The results are coming from statistical analysis, including linear regression and correlation of data. Experiments have been done on a database of 34 retina images of AMD patients. The average statistical error rate is equal to76 percent. In clinical reviews, the founded relation to disinflation of Macula has been proved, while there were no proved relations to the vision decreasing or increasing of patients.
_||_