بخشی از مقاله
خلاصه
پردازش تصاویر یک موضوع مهم در زندگی امروزه برای بسیاری از محققان میباشد. البته، جایگاه پیدا شده جهت استفاده از الگوریتمهای پردازش تصویر جهت پردازش تصویر عنبیه بسیار مهم و مفید خواهد بود. هدف اصلی از تحقیق این است که روشی کارا بر اساس یادگیری ماشین نیمه نظارتی جهت آشکارسازی هفت نوع بیماری از روی پردازش تصویر عنبیه پیشنهاد شده است، که این امر از نظر کلینیکی امری ضروری و باعث صرفهجویی در زمان و کمک به شخص خواهد نمود. ضمنا جهت افزایش دقت الگوریتم و کاهش خطا الگوریتم آشکارسازی مجهز به الگوریتم یادگیری نیمه نظارتی شده است. با توجه به اینکه در این حوزه، نظریهپردازی را سر لوحهی کار قرار دادهایم. لذا در این ارتباط، آزمایشهای اولیهی صورت گرفته نشان بر توانایی الگوریتم پیشنهادی خواهد بود.
کلمات کلیدی: آشکارسازی عنبیه، پردازش عنییه، یادگیری ماشین، یادگیری نیمه نظارتی.
.1 مقدمه
آشکارسازی بیماری بر اساس پردازش تصویر عنبیه یک از روشهای دقیق و قابل اعتماد در حوزه پزشکی بوده و از اهمیت ویژهای برخوردار است، که افزایش دقت این روشها در تشخیص بیماری بستگی به الگوریتمهای استفاده شده و کیفیت تصاویر اخذ شده توسط تجهیزات پزشکی میباشد. لذا ارائه یک سیستم اتوماتیک جهت آشکارسازی عروق میتواند کمک شایانی به پزشکان در امر تصمیمگیری و صرفهجویی در زمان جهت درمان بیمار نماید. بنابراین در این پژوهش باید به دنبال الگوریتمهایی یکتا در این حوزه باشیم. به عبارت دیگر با در نظر گرفتن و مدنظر گرفتن این ویژگی خاص در هر فرایند میتوان گفت که فنون آشکارسازی و تشخیص بیماری با استفاده از پردازش تصویر عنبیه در مجموعهی وسیعی از شرایط عملی قابل استفاده هستند.
ایریدولوژی3، اولین مرحله تشخیص بیماری بوده و یک تکنیک پزشکی و یک روش دقیق جهت تشخیص دقیق بیماریهای بدن انسان از روی پردازش چشم میباشد که با دقت بالا و هزینه کم قابل انجام است. در ایریدولوژی به قسمت رنگی چشم عنبیه گفته میشود، که قبل از تولد شخص تشکیل شده و تا زمان مرگ او تغییر نمیکند و عنبیه تمامی انسانها متفاوت میباشد و هیچ دو نفر در عالم دارای ساختار عنبیه یکسان نمیباشند. مطابق با قسمت های مختلف بدن برای عنبیه چشم راست،که طبق چارت[1]ناحیه عنبیه 80 الی 90 قسمت تقسیم شده است. به عنوان مثال منطقه مربوط به کلیه در پایینترین قسمت عنبیه، یعنی در حوالی مکان ساعت شش قرار دارد.
از جمله بیماریهایی شایعی که از روی پردازش عنبیه مشخص میگردد میتوان به دیابت اشاره نمود. دیابت از جمله بیماریهای متابولیک1 میباشد که به دلیل اینکه بدن شخص انسولین2 کافی تولید نمیکند و یا به انسولین تولید شده پاسخ نمیدهد، قند خونش افزایش مییابد. بیماری دیابت دارای سه نوع اساسی میباشد، نوع I، نوع II و دیابت بارداری 2]و.[3 در دیابت نوع اول، بدن انسولین کمی تولید میکند و آن معمولا در بچهها، نوجوانان و بزرگسالان رخ داده و به دیابت شیرین وابسته به انسولین 3 - IDDM - مشهور است. در دیابت نوع دوم، بدن قادر نیست که انسولین تولید شده را به طور موثر بکار ببرد. در این حالت بدن به انسولین وابسته نیست، که اغلب در بزرگسالان بالاتر از 40 سال رخ میدهد. اما امروزه این دیابت نوع دوم در نوجوانان و بزرگسالان جوان به دلیل چاقی زیاد مشاهده شده است .[ 4] در بخش بعدی راجع به تحقیقات محققین در خصوص الگوریتمهای آشکارسازی انواع بیماریها بر اساس پردازش عنبیه پرداخته خواهد شد.
.2 مروری بر ادبیات تحقیق
در تحقیقی که توسط آقای بوهانگ دیا در سال 2014 انجام گرفت [4]، ایشان یک روش ساده و اتوماتیک جهت آشکارسازی وجود کلسترول بر اساس پردازش تصویر عنبیه ارائه دادند. کلسترول بالا در خون باعث ایجاد تغییرات در الگوی عنبیه خواهد شد که به آرکوس لیپویید4 مشهور است. الگوریتم پیشنهادی ایشان شامل این مراحل میباشد که در مرحله اول ناحیه مردمک از تصویر عنبیه با استفاده از تبدیل هاف دایرهای تفکیک میشود. در تحقیقی دیگر که توسط آقای پونگوالی و همکارانش در سال 2017 انجام گرفت [5]، آنها یک الگوریتمی جهت تشخیص سلامتی بر اساس پردازش تصویر عنبیه ارائه دادند.
در تحقیقی دیگر که توسط آقای هاروا و همکارانش در سال 2013 انجام گرفت [6]، آنها الگوریتمی جهت تخمین شرایط سلامتی انسان به عبارت دیگر وجود بیماری در عضوهایی از جمله قلب، کبد، ریه و طحال را با استفاده از پردازش عنبیه ارائه دادهاند. آنها در مرحله پیشپردازش بعد از تبدیل تصویر رنگی به تصویر خاکستری، از یک تابع گوسی با ماتریس اپراتور 5*5 جهت کاهش نویز تصویراستفاده کرده، سپس جهت آشکارسازی عنبیه از الگوریتم لبه کنی استفاده نمودهاند.در تحقیقی دیگر که توسط آقای نوراینی و همکارانش در سال 2013 ارائه گردید [7]، آنها جهت استخراج نواحی مختلف عنبیه مطابق با چارت عنبیه از ترکیب الگوریتم آنالیز اجزاء اساسی 5 - PCA - و ماشین بردار پشتیبان 6 - SVM - استفاده نمودند.
در تحقیقی دیگر که توسط آقای راملی و همکارانش در سال 2009 انجام گرفت [8]، آنها الگوریتم جهت آشکارسازی کلسترول با استفاده از پردازش عنبیه ارائه دادند. آنها جهت آشکارسازی دایرههای عنبیه و مردمک چشم از تبدیل هاف استفاده نمودند. الگوریتم پیشنهادی آنها که شامل استخراج ناحیه عنبیه، نرمالیزه نمودن آن، رسم نمودار هیستوگرام و اعمال آستانه - استفاده از روش معروف آستانهیابی Otsu، الهام گرفته شده از مرجع - [9] میباشد.در تحقیقی دیگر که توسط آقای بانسال و همکارانش در سال 2015 ارائه گردید [10]، آنها روشی اتوماتیک جهت آشکارسازی بیماری دیابت نوع دوم با یک طبقهبندیکننده1 بر اساس الگوریتمهای ماشین بردار پشتیبان 2 - SVM - ارائه دادهاند.در تحقیقی دیگر که توسط آقای حسین و همکارانش در سال 2013 ارائه گردید، آنها روشی اتوماتیک جهت آشکارسازی بیماری کلیه - نارسایی مزمن کلیه یا - 3CKD بر اساس تصویر عنبیه با استفاده از ترکیب تبدیل موجک و شبکه عصبی ارائه دادند.
3.روش اجرای تحقیق
3.1 ساختار الگوریتم پیشنهادی
همانطور هم که قبلا اشاره گردید، با توجه به اینکه نواحی سطح عنبیه شامل اطلاعات مفیدی میباشد، لذا ، در این مقاله، ما به دنبال یک الگوریتم کارا و مقاوم جهت آشکارسازی بیماری بر اساس تحلیل نواحی مختلف عنبیه میباشیم که اگر کلاترهایی در این نواحی مختلف عنبیه وجود داشت، الگوریتم مورد نظر در حین فرایند آشکارسازی نوع بیماری دچار خطا نگردد به عبارت دیگر الگوریتم پیشنهادی، نسبت به آن مقاوم باشد. سپس الگوریتم پیشنهادی را در محیط متلب نوشته، و روی بیماری مربوط به معده بررسی و پیادهسازی مینماییم و با توجه به اینکه الگوریتم پیشنهادی، مجهز به الگوریتم یادگیری ماشین میباشد لذا با وجود کلاتر در سناریوهای مختلف دچار خطا نخواهد گردید. بنابراین با توجه به هدف پیش رو یعنی مقاوم بودن الگوریتم نسبت به وجود کلاتر در نواحی مختلف عنبیه، الگوریتم پیشنهاد شده از دو رویکرد استفاده میکند. به عبارت دیگر الگوریتم پیشنهادی جهت کارا و مقاوم بودن در برخورد با این موانع دو مرحله خواهد بود. که در ادامه به تفصیل شرح داده میشود. در مرحله اول این ساختار ابتدا فرایند استخراج عنبیه از کل تصویر ورودی انجام می-گیرد، که هدف اصلی از این مرحله این است که از کل تصویر ورودی ناحیه مورد نظر را جهت پردازشهای بعدی و آشکارسازی بیماری استخراج نماییم.
1-1-3 ساختار مرحله دوم الگوریتم پیشنهادی
همانطور که قبلا هم اشاره شد نواحی مختلف عنبیه با قسمتهای مختلف بدن انسان مطابقت دارد. قابلیت این مرحله از الگوریتم پیشنهادی، فرایند شناسایی بیماری موجود در تصویر عنبیه میباشد. به عبارت دیگر هدف اصلی در این مرحله، فرایند شناسایی بیماریی است که نشانههای آن در تصویر چشم وجود دارد. که در این مرحله تصویر حاصل از مرحله اول الگوریتم پیشنهادی یا همان تصویر دایرهای عنبیه وارد این مرحله شده، سپس این تصویر عنبیه به هفت ناحیه مانند شکل زیر تقسیم بندی میشود، که هر ناحیه مربوط به بخشی از بدن انسان میباشد.
