بخشی از مقاله
چکیده
تحلیل و پردازش تصاویر، امروزه نظر بسیاری از محققین را به خود جلب کرده است. بسیاری از بیماریهای مرتبط با چشم که یکی از مهمترین عوامل از کارافتادگی افراد است، با تحلیل تصاویر دیجیتال بدست آمده از شبکیه چشم قابل تشخیص و پیشگیری میباشند. تشخیص رگهای خونی شبکیه از مهمترین گامهای تشخیص خودکار بیماریهای شبکیه است. ولی استخراج رگها از تصاویر شبکیه چشم وقتگیر و هزینه زیادی دارد؛ از اینرو با پیشرفت سریع فناوری محاسبات و صنعت کامپیوتر، علاقه محققان به طراحی و توسعه سیستمهای تشخیص خودکار برای بهبود خدمات پزشکی افزایش یافته است. در این مقاله روشهای قطعهبندی رگهای خونی در تصاویر شبکیه که از دوربینهای دیجیتال فوندوس بهدست آمده است، بررسی شده است. هدف این مقاله ارئه دید کلی، تحلیل و دسته بندی الگوریتمها، تکنیکها، و روشهای استخراج رگهای خونی شبکیه است.
-1 مقدمه
بیماریهای در ارتباط با چشم یکی از مهمترین عوامل ناتوانی و حتی مرگ در کشورهای توسعه یافته و نیز کشورهای در حال توسعه میباشد. در سال 2000 میلادی بیش از 45 میلیون نفر در دنیا در اثر بیماریهای چشمی نابینای کامل شدند و بالغ بر 180 میلیون نفر مشکلات و معلولیتهای مربوط به بینایی پیدا کردند. و این در حالی است که بیش از 80 درصد این نابیناییها قابل پیشگیری بودند. هزینههای ناشی از این نابیناییها حدود 150 تا 250 میلیارد دلار است .[1] با توجه به برآورد WHO تعداد افراد مبتلا به دیابت تا سال 2030 میلادی به بیش از 366 میلیون نفر خواهد رسید. پیشرفتهای بدست آمده در تصویربرداری آناتومی و پاتولوژی چشم، فراهم کنندهی اطلاعات زیادی برای تشخیص بیماریهای چشم میباشند، و همچنین در بررسی سلامت هوشی افراد، تشخیص سن و بررسی هویت نیز کاربرد دارد. تصاویر چشم پزشکی به طور گستردهای به منظور تشخیص و درمان بیماریهای مختلف چشمی مانند گلوکوما، زوال چشمی وابسته به سن - AMD - 1، 2DME، دیابت چشمی، رتینوپاتی، فشارخون دیابتی و چاقی توسط پزشکان مورد بررسی قرار میگیرد. شبکیه×چشم×از×عناصر×مختلفی×مثل×ناحیه×دیسک×نوری،×رگها ”سرخرگها×و×سیاهرگها“،×ناحیه Fovea و بافت پس زمینه تشکیل شده است. این نواحی در شکل - 1 - نشان داده شدهاند. هر کدام از این عناصر دارای ویژگیهای مختص به خود هستند و این ویژگیها در اثر بیماریهای مختلف دچار تغییرات مشخص و قابل پیشبینی میشوند.
هر کدام از بیماریهای تاثیرات بخصوصی روی اجزاء گوناگون و ویژگیهای مربوط به آن قسمت میگذارند، به عنوان مثال بیماری آب مروارید - AMD - که یکی از عوامل کوری میباشد باعث ایجاد تغییر در اندازه و رنگ ناحیه دیسک نوری میشود. به همین صورت التهاب ناشی از دیابت باعث بروز تغییراتی در بافت اطراف رگها و ناحیه دیسک نوری میشود. بنابراین با تشخیص ناحیه دیسک نوری و تغییرات بوجود آمده در ویژگیهای آن مثل تغییر در رنگ، شکل و قطر آن میتوان هم برای تشخیص دادن بیماریهای چشمی مثل دیابت و آب مروارید و هم به عنوان یک ناحیه و ویژگی برجسته برای انطباق تصاویر نمود. و یا بیماری رتینوپاتی دیابتی یکی از دلایل اصلی کاهش دید بوده و افرادی که دیابت درمان نشده دارند، 25 برابر بیشتر در معرض ابتلا به نابینایی قرار دارند. در بسیاری از کشورها، بیماری دیابت دلیل شایع نابینایی در افراد بزرگسال بین 20 تا 74 سال است.
رتینوپاتی دیابتی یک بیماری مزمن میباشد که ممکن است هنگامی که تشخیص داده میشود، تغییرات شبکیه به درجهای رسیده باشد که درمان آن غیرممکن باشد. اگرچه بیماری دیابت به خودی خود درمان نمیشود، ولی در صورتی که بیماریهای چشمی زود هنگام تشخیص داده شوند، میتوان از عوارض آن پیشگیری نمود .>3@ بنابراین معاینات دورهای به منظور جلوگیری از پیشرفت بیماری و بروز نابینایی ضروری است. معاینات چشمی هر 12 ماه یک بار صورت میگیرد. البته این معاینات نیازمند صرف هزینه زیاد و زمان طولانی برای تعلیم متخصصین مورد نیاز در سراسر یک کشور خواهد بود ولی در سالهای اخیر با افزایش قدرت محاسباتی و پردازشی کامپیوترها و با گسترش تکنیکهای پردازش تصویر، ایده استفاده از کامپیوتر برای تحلیل تصاویر پزشکی و تشخیص خودکار بیماریها بسیار مورد توجه دولتها، متخصصین علوم کامپیوتر و متخصصین پزشکی قرار گرفت. این ایده برای تحلیل تصاویر شبکیه چشم و تشخیص بیماریهای چشمی و عروقی بسیار عملی و کم هزینه میباشد چرا که شبکیه چشم تنها نقطهای از بدن میباشد که بدون نیاز به وارد شدن در آن و یا حتی تزریق مواد خاص امکان مشاهده و تصویربرداری از آن و رگهای موجود در سطح آن وجود دارد. در دو دهه اخیر این قابلیت شبکیه چشم و نیز اهمیت و تاثیر بیماریهای چشمی بر کل جامعه بشری، توجه متخصصین زیادی را برای ارائه روشهای دقیق و قابل اطمینان جهت تشخیص اجزاء مختلف شبکیه چشم مثل رگها >6-4@، ناحیه فووآ [7] و دیسک نوری >8@ به خود جلب نموده است. ×××××××این مقاله از 5 قسمت تشکیل شده است، در قسمت دوم چالشهای مرتبط با قطعهبندی رگهای شبکیه، موارد مورد استفاده برای تحلیل و معیارهای ارزیابی عملکرد برای قطعهبندی رگهای خونی شبکیه شرح داده شده است. روشهای مختلف قطعهبندی رگهای شبکیه در قسمت 3 گفته شده است. در قسمت 4 ارزیابی روشها انجام شده است و سرانجام در قسمت 5 نتایج ذکر شده است.
-2 پردازش تصویر شبکیه
-1-2 عکاسی شبکیه
اولین گام در تحلیل تصاویر دیجیتال گرفتن عکس از ناحیه شبکیه چشم میباشد. برای این کار از دوربینهای دیجیتال Fundus استفاده میشود. دوربین Fundus، یک دوربین دیجیتالی معمولی است که به منظور تهیه تصاویر رنگی از شبکیه مورد استفاده قرار میگیرد. دوربینهای Fundus شبکیه با توجه به نیاز به اتساع مردمک چشم، به دو گروه mydriatic و non-mydriatic تقسیم میشوند. دوربینهای non-mydriatic ابعاد کوچکتری داشته و برای غربالگری مناسب میباشند. در این دوربینها نیازی به اتساع مردمک وجود ندارد. بنابراین کیفیت تصاویر در آنها پایین تولید شده دارای کیفیت بهتری میباشند.
-2-2 قطعهبندی رگهای شبکیه
قطعهبندی - جداسازی یا بخشبندی - رگهای خونی شبکیه اولین گام در پروسه تشخیص بیماری است که به تنهایی میتواند بسیاری از بیماریها را شناسایی کند. تا کنون تلاشهای بسیار زیادی و روشهای متفاوتی برای بخشبندی عروق تصاویر شبکیه پیشنهاد شده است ولی یک سری ضعفهایی هم وجود داشت، ضعفهایی که تصاویر شبکیهی چشم به آنها دچار است در استخراج عروق خلل وارد میکند، محققان این نقاط ضعف را مورد بررسی قرار داده و الگوریتمهایی پیشنهاد دادهاند و تلاش کردهاند آنها را بهبود ببخشند تا پاسخ بهینهای از استخراج عروق ارائه دهند، اما با این حال این مساله هنوز به طور کامل رفع نشده و تحقیقات در این باره به طور گسترده ادامه دارد. از مشکلات این تحقیقات میتوان در دو حوزه مشکلات ناشی از کیفیت تصویر و مشکلات ناشی از نوع تصویر و حوزهی کاری اشاره کرد. از جمله مشکلات ناشی از کیفیت تصویر میتوان به اختلاف شدت فروزندگی پایین3 در تصویر شبکیه، تراکم ناهمسان روشنایی و نویز بالا، اشاره کرد >9@، مشکلات دیگری که وجود دارند به نوع تصویر و حوزهی کاری مربوط میشود و در حین پردازش تصویر باید آنها را مد نظر قرار داد، از جملهی آنها میتوان به اد غام شدن رگهای نزدیک به هم عنوان یک رگ پهن، انعکاس نور در مرکز رگهای ضخیم، مناطق انشعاب رگ یا روی هم افتادگی رگ و رگهای منقطع، وجود عروق مویرگی و باریک با شدت رنگ نزدیک به رنگ پس زمینه، اشاره کرد که در شکل - 2 - نشان داده شده است.
-3-2 پایگاهدادههای تصویر شبکیه در دسترس عموم
در این قسمت یک خلاصهای از همه پایگاهدادههای در دسترس را شرح میدهیم اما پایگاهدادههای رایج مورد استفاده برای مقایسه نتایج در اکثر مقالات DRIVE و STARE است.
-3-3-2 پایگاهداده ARIA
این پایگاهداده در سال 2006 ایجاد شد. این پایگاه داده شامل 3 گروه بود: گروه اول شامل 92 تصویر از شبکیه بیماران مبتلا به ماکولا مرتبط با سن، گروه دوم شامل 59 تصویر از شبکیه بیماران مبتلا به دیابت و گروه سوم شامل 61 تصویر از شبکیه افرادی بود که تحت کنترل بودند. تصاویر توسط دوربین فوندوس FF450 با میدان دید 50 درجه گرفته شده است. ابعاد تصویر 768×576 و با قالب TIFF است >13@
پایگاهداده ImageRate
این پایگاهداده از سال 2008 در دسترس است، و به دو پایگاه داده DIARETDB0 و DIARETDB1 تقسیم شده است. پایگاهداده DIARETDB0 شامل 130 تصویر شبکیه است که 20 تصویر به صورت نرمال و 110 تصویر حاوی نشانههای بیماری رتینوپاتی دیابتی بودند. و پایگاهداده DIARETDB1 شامل 89 تصویر شبکیه است که 5 تصویر سالم، و 84 تصویر به صورت خفیف به بیماری رتینوپاتی دیابتی مبتلا بودند. تصاویر توسط دوربین فوندوس با میدان دید 50 درجه گرفته شده است. ابعاد تصویر 1500×1152 و با فرمت PNG است.[14]
پایگاهداده DRIVE
این پایگاه داده شامل 40 تصویر رنگی شبکیه چشم است. در هفت مورد از این تصاویر علائم آسیبدیدگی وجود دارد. تصاویر توسط دوربین دیجیتالی Canon مدل CR5 به صورت 3CDD و با میدان دید 45 درجه گرفته شده است که تصویر حاصل با دایرهای به قطر 540 پیکسل میباشد. ابعاد تصویر 768×584 و با قالب JPEG است. این پایگاه داده به دو مجموعه تقسیم بندی شده است: مجموعهی آموزشی و مجموعهی آزمون. هر یک از این 2 مجموعه شامل 20 تصویر به همراه نمونههای جداسازی شده آن توسط سه نفر آموزش دیده است .>11@
-2-3-2 پایگاهداده STARE
این پایگاهداده شامل 400 تصویر میشود که از میان آنها فقط تصاویر مرجع مربوط به 20 تصویر شبکیه - که به صورت تصادفی انتخاب شدهاند - به صورت عمومی موجود است. از میان این 20 تصویر 10 تصویر دارای بیماریهایی هستند که تشخیص رگ را بسیار چالش برانگیز میکنند. برای این تصاویر دو دسته تصاویر مرجع وجود دارد. تصاویر این پایگاه داده توسط دوربین TopCon مدل TRV-50 با میدان دید 35 درجه گرفته شده است. ابعاد تصویر 650×550 و با قالب JPEG است
پایگاهداده Messidor
این پایگاهداده بزرگترین پایگاهداده با 1200 تصویر شبکیه است. تصاویر توسط دوربین دیجیتالی Canon مدل CR5 به صورت 3CDD با میدان دید 45 درجه و با ابعاد مختلف 1440×960، 2240×1488، 2304×1536 گرفته شده است. قالب تصاویر TIFF است .[15]
پایگاهداده Review
این پایگاهداده شامل مجموعه تصاویر رگهای خونی شبکیه، برای مقایسه عرض رگها در سال 2008 توسط دانشگاه علوم کامپیوتر و انفورماتیک Lincoln انگلستان ایجاد شد. این پایگاه داده شامل 16 تصویر گشادی مردمک و 193 تصویر قطعهبندی رگ که 5066 تا ویژگی توسط سه کارشناس متفاوت مشخص شده است .>16@
پایگاهداده ROCmicroaneurysm
این پایگاه داده در سال 2009 ایجاد شد و شامل 100 تصویر است که با دوربین دیجیتال فوندوس گرفته شده است، که 50 تصویر برای تست و 50 تصویر برای آموزش در نظر گرفته شده است. تصاویر توسط دوربین دیجیتالی TopCon NW100 و یا Canon مدل CR5-45NM با میدان دید 45 درجه گرفته شده است و ابعاد تصویر در سه اندازه متفاوت 768×576، 1058×1061 و 1389×1383 و با قالب JPEG است .>17@