بخشی از مقاله
چکیده
امروزه کاربرد پردازش تصویر در علوم مختلف بر کسی پوشیده نیست. در این میان پردازش تصویر در پزشکی، به منظور تشخیص بیماریها، به نتایج قابل قبولی دست یافته است. یکی از این بیماریها که در این مقاله به آن پرداخته شده است، سندرم داون میباشد. این بیماری از متداولترین اختلالات کروموزومی مادرزادی است که همواره درجات مختلفی ازعقب ماندگی ذهنی را به همراه دارد.
این مقاله ضمن معرفی روشهای تشخیص سندرم داون به کمک پردازش تصویر، به تشخیص سندرم داون از طریق الگوی دودویی محلی - LBP - و ماشین بردار پشتیبان - SVM - میپردازد. یکی از کاربردهای تشخیص سندرم داون به کمک پردازش تصویر در اماکن عمومی نظیر فرودگاهها، متروها و ... برای شناسایی این افراد و هشدار به مسئولین انتظامی جهت کمک و راهنمایی بیشتر به آنان میباشد. پایگاه داده مورد استفاده شامل 200 تصویر است که همگی از طریق اینترنت جمعآوری شده است. ارزیابی نتایج با استفاده از معیارهای PPV، NPV، Sensitivity و Specificity در بهترین حالت برابر با 0/96، 0/96، 0/96، 0/96، میباشد.
مقدمه
پردازش تصویر شاخهای از مهندسی کامپیوتر است که یکی از کاربردهای مهم آن کمک به تشخیص بیماریها میباشد. در این مقاله، تشخیص بیماری سندرم داون از روی تصاویر چهره مورد بررسی قرار میگیرد. سندرم داون یک اختلال کروموزومی 21 است، که شایعترین اختلال کروموزوم اتوزومال در انسان است . - Patterson, 2009 - سندرم داون در حدود 1 در 700-650 نوزاد رخ میدهد
طبق تحقیقی که در ایالات متحده آمریکا صورت گرفته است، شیوع مبتلایان به سندرم داون 8/27 در هر 10000 نفر جمعیت در سال 2008 بوده است - Presson et al, .2013 - علت این پدیده نوعی بینظمی در ترتیب کروموزومی است که در مراحل جنینی و هنگام تقسیم سلولی رخ می دهد. کسانی که سندرم داون دارند، در سلولهای بدن خود به جای 46 کروموزوم 47 کروموزوم دارند. به طور معمول، هر کودک در زمان لقاح اطلاعات ژنتیکی خود را بهوسیله 46 کروموزوم از والدین خود به ارث می برد:
23 کروموزوم از مادر و 23 کروموزوم از پدر. اما در اکثر موارد بروز سندرم داون، کودک یک کروموزوم اضافه دریافت میکند. این ماده اضافه ژنتیکی موجب تأخیر در رشد جسمانی و عقلانی کودک میشود. کروموزوم بخش بسیار کوچکی از سلول است که ژنها درآن جمع شده و حاوی اطلاعاتی است که بدن ما را شکل می دهد. بهعنوان مثال رنگ پوست، چشم، موها، مؤنث یا مذکر بودن در همین بخش کوچک مشخص میگردد. کروموزوم اضافی در بدن فردی که سندرم داون دارد، در روال شکلگیری وی تأثیر داشته و موجب تغییرات بدنی و ذهنی میشود. افراد مبتلا به سندرم داون تفاوتهایی با دیگران دارند. بخشی از این تفاوتها مربوط به خصوصیات ظاهری افراد و بخش دیگر مربوط به ویژگیهای ذهنی میگردد. علائم ظاهری زیر برای سندرم داون ذکر شده است
شکاف چشمی تنگ و مورب، استخوانهای گونه بلند، پلک سوم، فاصله بیش از معمول بین دو چشم، صورت گرد، پهن و صاف، نیمرخ تخت، بینی کوچک همراه با تیغه پهن و پل مسطح، قاعده بینی فرورفته و سوراخهای بینی کمی سربالا، دهان کوچک، زبان بزرگتر از معمول همراه با شیارهای عمیق روی سطح آن، گوش کوچک و گرد با ارتفاع کم که نرمه آن به پوست چسبیده است. گردن کوتاه، هنگام تولد پوست پشت گردن شل و چینخورده است. وجود خط عرضی در کف دست که موازی خط مفاصل انگشتان و کف دست میباشد.
فقدان یکی از بندهای انگشتان و معمولا انگشت پنج است. انگشتان کوچک هستند و به سمت داخل انحنا دارند. زیاد بودن فاصله بین انگشت شصت پا و انگشت کناری که به صورت شیاری به کف پا امتداد یافته و به عقب کشیده میشود. این علامت شایعتر از خط افقی دست است. کاربرد تشخیص سندرم داون به کمک پردازش تصویر در اماکن عمومی مانند فرودگاهها، مترو، مراکز خرید و غیره میباشد تا ضمن شناسایی افراد مبتلا به سندرم داون با هشدار دادن به مسئولین مربوطه، در جهت کمک و راهنمایی بیشتر به چنین افرادی اقدام شود
ادامه مقاله به این ترتیب سازماندهی شده است که در بخش دوم مروری بر کارهای گذشته در خصوص تشخیص سندرم داون را خواهیم داشت. بخش سوم به شرح روش پیشنهادی برای تشخیص سندرم داون میپردازد. در بخش چهارم مقایسه نتایج حاصل از اجرا، ارائه میگردد. سرانجام بخش پنج شامل نتیجهگیری و کارهای آینده میباشد.
-2 مروری بر کارهای گذشته
هر چند مقالات زیادی در این خصوص وجود ندارد اما در این بخش به طور اجمالی کارهای انجام شده را بررسی خواهیم کرد.
الگوی دودویی محلی در بیشتر این مقالات مورد استفاده قرار گرفته است. در تحقیق - Burçin and Vasif, 2011 - از روش enhanced local binary pattern - eLBPH - استفاده شده است، در این روش تصویر به M منطقه کوچک تقسیم میشود و برای هر منطقه کد باینری LBP محاسبه میشود. سپس هیستوگرام حاصل از کدهای LBP بهعنوان بردار ویژگی استخراج میگردد.
پس از محاسبه بردار ویژگی، برای تشخیص سندرم داون از طبقهبندی بر اساس حداقل فاصله استفاده میشود. در مطالعه مذکور، 20 نمونه چهره برای آموزش که شامل 10 نمونه چهره سندرم داون و 10 تصویر چهره سالم انتخاب شده است. پس از تعریف مجموعههای آموزشی، میانگین بردارهای ویژگی برای هر مجموعه محاسبه شده و برای هر نمونه تصویر نیز بردار ویژگی استخراج میگردد. حداقل فاصله بین بردار ویژگی نمونهها با میانگین بردار ویژگی هر مجموعه آموزشی به روش فاصله اقلیدسی، فاصله منهتن و فاصله منهتن تغییر یافته محاسبه شده است .
ژائو و همکاران با استفاده از تصویر تمام رخ بیماران و الگوی هندسی خاص صورت به تشخیص سندرم داون میپردازند
در مقاله مذکور ترکیب ویژگیهای هندسی با روش LBP و طبقهبندی به روش SVM خطی بهترین نتیجه را داشته است. طباطبایی و چالهچاله از DLBP برای تشخیص سندرم داون استفاده کردند
در این روش برای محاسبه کد LBP علاوه بر در نظر گرفتن پیکسل همسایه پیکسل مرکزی، همسایه دوم نیز مورد توجه قرار میگیرد. سارایدمیر و همکاران از موجک گابور برای تشخیص سندرم داون استفاده کردهاند
استخراج ویژگیها با استفاده از تبدیل موجک گابور صورت میگیرد. پس از آن به دلیل اینکه تفسیر دادههای دارای ابعاد بالا یعنی دادههایی که نیاز به بیش از دو یا سه بعد برای نمایش داده شدن دارند، دشوار است، لازم است که کاهش بعد دادهها صورت بگیرد. کاهش بعد دادهها با استفاده از روش Principal Component Analysis - PCA - انجام میشود. فرآیند طبقهبندی با دو روش K نزدیکترین همسایه - KNN - و SVM انجام میشود.
در مقاله - Keikhayfarzaneh et al, 2011 - از منطق فازی برای تشخیص سندرم داون استفاده شده است. به این ترتیب که ابتدا برای تشخیص صورت از محدوده رنگ پوست استفاده میشود. در گام بعدی فاصله اقلیدسی بین هر پیکسل با میانگین رنگ پوست محاسبه میشود و با استفاده از منطق فازی 4 قانون برای تشخیص پوست بهکار برده میشود که شامل موارد: پوست، نسبتا پوست، پوست با احتمال کم، غیر پوست است.
پس از آن با استفاده از محدوده رنگ لب محل لب در تصویر مشخص میشود. باز هم از طبقهبندی منطق فازی استفاده میگردد که شامل: لب، نسبتا لب و غیر لب میباشد. مساحت لب به کل صورت محاسبه شده و به عنوان یک معیار برای تشخیص سندرم داون بهکار میرود. در مرحله بعد محل چشمها تخمین زده شده و فاصله چشمها محاسبه میگردد
