بخشی از مقاله
چکیده
رشد فزایندهی بیماریها در جوامع مختلف، نیاز به روشهای جدید در تشخیص صحیح و زود هنگام را دوچندان میکند. تشخیص به موقع بیماریهای خطرناکی مانند سرطان، میتواند سالانه جان هزاران نفر را نجات دهد. در سالهای اخیر انواع تصویربرداری پزشکی با این هدف به کمک پزشکان آمده است. با توجه به این موضوع که بررسی تصاویر پزشکی توسط انسان ممکن است با اشتباهاتی همراه باشد و در بسیاری از موارد کار پیچیده و زمانبری است، معرفی شیوههای جدید رایانهای برای دستهبندی تصاویر پزشکی کمک فراوانی به تشخیص دقیقتر میکند. در این مقاله به معرفی روشهای دستهبندی تصاویر پزشکی پرداختهایم و دقت آنها را در کاربردهای مختلف بررسی کردهایم.
کلمات کلیدی دستهبندی تصاویر پزشکی، دقت دستهبندی، پردازش و تحلیل تصاویر پزشکی، تشخیص بیماری، پردازش تکاملی، روشهای ترکیبی
-1 مقدمه
پردازش ت صاویرپز شکی یکی از چالش برانگیزترین و ضروریترین حوزهها در تحقیقات امروزی است. ، تصویربرداری تشدید مغناطیسی1، سیتیاسکن2، سونوگرافی و ماموگرافی از جمله پراستفادهترین این روشها هستند که برای تشخیص بیماریهای مختلف استفاده میشوند.هر کدام از این روش ها برای هدف خاصی مورد استفاده قرار میگیرند. به طور مثال سیتیاسکن برای تشخیص سرطان ریه کارآمدتر از عکسبرداری با پرتو ایکس است. مزیت اصلی سیتیاسکن داشتن وضوح بهتر و اختلال کمتر تصاویر است .[6]پردازش تصویر اساسا شامل، گرفتن تصویر با اسکنرهای نوری یا با دوربینها و حسگرهای دیجیتال، تجزیه و تحلیل تصویر که شامل فشرده سازی اطلاعات، بهبود تصویر و تشخیص الگوها و مرحله خروجی ا ست که میتواند ت صویر یا گزارش با شد که از نتیجه تجزیه و تحلیل تصویرحاصل شده است.
درسالهای اخیر روشهای پردازش تصویر به طور وسیعی در حوزههای مختلف پزشکی به منظور بهبود و تسریع در شناسایی بهموقع و درمان بیماریها و وضعیت هایی همچون تومورهای سرطانی ریه و پستان که در آن ها زمان، فاکتور مهمی در تشخیص بیماری است، استفاده شده است.در دهه گذشته تصویربرداری پزشکی تحت تاثیر ظهور ابزارهای پزشکی غیر تهاجمی همراه با صحت و سرعت بیشتر قرار گرفته است، بنابراین شیوههای دستهبندی تصویر میتوانند به طور وسیعی در بسیاری از حوزههای پزشکی به منظور بهبود شناسایی و درمان بیماریدر مراحل اولیه، آن هم بدون نیاز به اقدام تهاجمی مورد استفاده قرار گیرند.[7]پردازش تصویر روشی برای تبدیل یک تصویر به صورت دیجیتال و انجام برخی از عملیات ها بر روی آن، به منظور دریافت یک تصویر بهبود یافته و یا برای استخراج برخی از اطلاعات مفید از آن است .[8]در این مقاله به معرفی روشهای مختلف دستهبندی تصاویر پزشکی خواهیم پرداخت.
-2 مراحل دستهبندی تصاویر پزشکی
به طور خلا صه مراحل د ستهبندی ت صاویر پز شکی شامل قدمهای زیر است. اولین مرحله، تصویربرداری از اندام مورد نظر است. قدم دوم پیش پردازش ت صویر ا ست که میتواند شامل فیلتر کردن، برش ت صویر و یا هر روش دیگری باشد.سپس استخراج ویژگی برای هر تصویر انجام میشود. بعد از آن دستهبندی تصاویر انجام میشود و درمرحلهی پایانی ارزیابی میشوند.[9]
-3 روشهای کاربردی
-1-3 الگوریتم ژنتیک
الگوریتم ژنتیک برای یافتن جواب از ا صل سادهی بقای ا صلح و روش خوشهبندی استفاده میکند .[10]تشخیص خودکار رتینوپاتی ناشی از دیابت در مقالهای مورد بررسی قرار گرفته است. این بیماری به دلیل تغییرات ایجاد شده در رگهای خونی رخ میدهد. رگهای خونی در شبکیه آسیب میبینند و رشد شاخهای رگها به شکل غیرعادی باعث ایجاد عروق کلاف مانند در شبکیه میشوند و کمکم سبب تاری دید و در نهایت موجب نابینایی میشوند.هدف ابتدایی در این کار تولید یک مجموعه بزرگ از ویژگیها برای دستهبندی بهتر بود. ویژگیهایی مانند طول رگها، تعداد رگها و بسیاریدیگر برای دستهبندی استخراج شدند. هر چه تعداد این ویژگیها بیشتر با شد نتیجهی بهتری حا صل خواهد شد .[11]
اینکه چه تعداد ویژگی برای رسیدن به بهترین نتیجه مناسب است، یا اینکه کدامیک از این ویژگیها مهمتر هستند و در دقت دستهبندی موثرترند میتوانند موضوع تحقیقات دیگری باشند. برای نمونه این مورد که ویژگی طول رگها مهمتر است یا تعداد آنها به عنوان یک پرسش مطرح است. حذف ویژگیها با تاثیر کمتر و افزودن ویژگیها با اثر بیشتر و نیز اولویت دادن به ویژگیهای مهمتر میتوانند نتایج بهتری را تولید کنند.با توجه به اینکه پردازش تکاملی در بسیاری موارد کارآمدتر از سایر روشهاست، این کار توسط محققین دیگری و با استفاده از الگوریتم ژنتیک انجام شده است. استفاده از الگوریتم ژنتیک و ماشین بردارپشتیبان در این آزمایش، نتایج بسیار خوبی را تولید کرد. در این کار تنها از 60 تصویر استفاده شد و بیش از %90 ناهنجاری را به درستی کشف کرد .[12]
بررسی عروق چشم تنها در موارد بالا کاربرد ندارد، بلکه برای تشخیص بیماریهای قلبی و کبدی نیز به کار گرفته شده است .[1]برای ت شخیص سرطان کبد از الگوریتم ژنتیک در ت صاویر ت شدید مغناطیسی استفاده شده است. [10, 13]جنونجوانی1 یک اختلال روانی شایع در بین %1 مردم ج هان است.[14] این بیماری چهارمین علت ناتوانی در کشورهای توسعه یافته ا ست. [15] در سالهای اخیر با ا ستفاده از علم ع صب شنا سی به تفاوت گروه بیمار و سالم پی برده شده است .[16]در مقالهای که توسط محققین داخلی انجام شد، با استفاده از ت صاویر ت شدید مغناطی سی و الگوریتم ژنتیک، افراد به دو گروه سالم و مبتلا به بیماری جنونجوانی دستهبندی شدند.
در مرحلهی پیشپردازش، ابعاد بالای دادهها با استفاده از روش تحلیل مولفههای اصلی کاهش داده شده است. در ادامه برای تحلیل بیشتر دادهها و مستقل سازی آنها از الگوریتم تحلیل مولفههای مستقل ا ستفاده شده ا ست. برای ا ستخراج ویژگی از مولفههای م ستقل تولید شده در مرحله پیشپردازش، از روش الگوهای دودویی محلی کمک گرفته شده است. در نهایت برای دستهبندی الگوریتم ژنتیک به کار گرفته شده است. نتایج بهدست آمده قابل قبول بود.[17]استفاده از تابع آمیزش و جهش نوآورانهای برای دسته بندی تصاویر مغزی، در تحقیق دیگری ا ستفاده شده ا ست. برای آمیزش از آمیزش چندنقطهای استفاده شده است و تابع جهش جدیدی معرفی شده است .[18]
تغییر در هر یک از قسمت های الگوریتم ژنتیک میتواند نتایج جدیدی تولید کند. به طور مثال افزایش یا کاهش جمعیت اولیه، یا تعریف برازندگیهای مختلف در جواب نهایی تاثیرگذار هستند. بنابرایناین روش، شیوهی پویایی برای استفاده در دستهبندی تصاویر پزشکی است.از الگوریتم ژنتیک در حذف نویز ت صاویر پز شکی نیز ا ستفاده شده است .[19] حذف نویز در تصاویر باعث بهتر شدن دقت دستهبندی می شود. پیشنهاد ما در این مورد ابتدا استفاده از الگوریتم ژنتیک برای حذف نویز و سپس دستهبندی به کمک الگوریتم ژنتیک است، حتی میتوان از روشهای دیگری مانند فیلترهای گاوسی برای کاهش نویز استفاده کرد و سپس با استفاده از الگوریتم ژنتیک به دستهبندی تصاویر پرداخت.
-2-3 برنامهنویسی ژنتیک
برنامهنویسی ژنتیک نمونهای از پردازش تکاملی است که اساس آن ا ستفاده از ساختار درختی ا ست. این روش یک ج ستجوی هو شمندانه برای رسیدن به جواب بهینه انجام میدهد .[20]سرطان به طور کلی به د ستهای بیش از صد بیماری گفته می شود. این بیماری زمانی شروع می شود که ق سمتی از سلولهای بدن بدون کنترل و غیر طبیعی رشد میکنند.سرطان ریه به عنوان شایعترین علت مرگ و میر در میان مردم سرا سر جهان ا ست. ت شخیص زود هنگام سرطان ریه میتواند شانس بیماران را برای زنده ماندن افزایش دهد.زمانی که بیماری در زمان مناسب تشخیص داده شود، در 14 تا 49 درصد بیماران میتواند تا 5 سال میزان زنده ماندن را افزایش دهد.سیتیاسکن برای تشخیص سرطان ریه کارامدتر از عکسبرداری با پرتو ایکس است. مزیت اصلی سیتیاسکن داشتن وضوح بهتر و اختلال کمتر تصاویر است .[6]
برای تشخیص غدد ریوی آزمایشی توسط محققین کشور کره انجام شده ا ست. با ا ستفاده از برنامهنوی سی ژنتیک و نمودار بافتنگار و یک پایگاه دادهی بزرگ و سی ستم ت شخیص رایانهای2، نتایج به د ست آمده نشان داد که بیش از %94 غدههای سرطانی با این روش قابل شناسایی هستند .[21] پایگاه دادهی بزرگ اگرچه میتواند دقت دستهبندی را افزایش دهد، اما از سوی دیگر زمان دستهبندی را افزایش میدهد و باعث سنگینتر شدن محاسبات میشود. پایگاه دادههای بزرگتر به طور معمول دارای ت صاویر م شابه زیادی ا ست. میتوانیم با حذف تعدادی از ت صاویر م شابه باعث بهتر شدن زمان اجرا شویم. این مورد که از پایگاه داده با چه تعداد تصویر استفاده کنیم تا دقت دستهبندی نیز کمتر نشود به عنوان یک موضوع خوب برای محققان میتواند باشد.
در مقالهای که تو سط "ریکاردو پلی" ارائه شده ا ست، رو شی برای تحلیل ت صاویر پز شکی تو سط برنامهنوی سی ژنتیک مورد برر سی قرار گرفته است. ایده اصلی کار او حل مشکلات فیلترینگ با استفاده از جلوههای بصری، تشخیص ویژگیهای بافت و قطعهبندی تصاویر است.برنامهنویسی ژنتیک میتواند فیلترهای کارآمدی را برای این نوع مسئلهها پیدا کند. برای این منظور نیاز به توصیف پایانهها، توابع و توابع برازندگی مناسب برای شرایط گوناگون است.آزمایشهای انجام شده ن شان دادکه برنامهنوی سی ژنتیک که برای این کار استفاده شد کارآیی بسیاری دارد. در مورد بهبود کیفیت ت صویرهای با کیفیت پایین، که به دلایل مختلفی مانند آلوده شدن لنز دوربین ایجاد شده است میتوان از این روش استفاده کرد و نویزهای به وجودآمده را حذف کرد.
در حالی که روش فوق از لحاظ آماری نتایج قابل قبولی را در پی داشت اما مشکلات مربوط به خود را نیز داشت.یک م شکل ا سا سی در برر سی ت صاویر مغزی این بود که برخی از ق سمتهایبافت مغز کاملاً شبیه به برخی از ق سمتهای پو ست بدن انسان بودند، در نتیجه اگر تقسیمبندی بافت به قسمتهای کوچکتر انجام می شد ممکن بود با تصاویر پوست اشتباه گرفته شوند. البته این به آن معنا نیست که با تقسیمبندی بافت به اندازههای بزرگتر کار آ سانتر خواهد شد .[22] پی بردن به اندازهی بهینه ت صاویر برای کم کردن خطا به عنوان یک چالش در این مورد مطرح است.وجود اختلال در تصاویر مغزی، میتواند مانع تشخیص درست ناهنجاری در مغز شود.
در تلاشی برای از بین بردن نویز تصاویر، از برنامهنوی سی ژنتیک ا ستفاده شده ا ست. این شیوه، ترکیب روشهای مختلف با تمرکز بر حذف اختلال از تصاویر مغزی است.نتایج از نظر کمی و بصری با روشهای موجود مقایسه شده است و تجزیه وتحلیل مقای سهها ن شان داد که روش پی شنهادی کارآمدتر از سایر روشها است .[23]سرطان سینه بعد از سرطان ریه شایعترین سرطان در میان زنان است. در سال 2012 در کل دنیا در حدود 16700000 نفر مبتلا به این بیماری بودند که حدود %25 کل تعداد مبتلایان به سرطان است. طبق آمارهای انجمن سرطان آمریکا، در سال 2013 میلادی تنها در ایالات متحده، 39620 خانم بر اثر سرطان سینه جان خود را از د ست دادند.[24]
برنامهنویسی ژنتیک به عنوان یک روش برای تشخیص سرطان سینه ا ستفاده شده ا ست. به کمک این شیوه سرطان سینه در %87 بیماران مبتلا در مراحل اولیه به خوبی شناسایی شدند. استفاده از یک پایگاه داده مناسب، فیلتر گابور و استفاده از بافتنگار در این نتیجه تاثیرگذار بود. ا ستفاده از بافتنگار اجازه داد تا از ت صاویر بزرگتری برای آزمایشها استفاده شود .[25] در این مورد خاص از یک فیلتر خاص استفاده شده است، اما میتوان از فیلترهای مختلفی استفاده کرد و نتایج را با هم مقایسه کرد.تعیین روش آمیزش، م قدارجهش، ا ندازهی جمع یت، معرفی برازندگی و عمق درخت جستجو، در رسیدن به نتایج مختلف
