بخشی از مقاله
چکیده
رتینوپاتی دیابتی یکی از شایعترین بیماریهای سیستم بینایی انسان به شمار میآید که بر اثر دیابت به وجود آمده و عامل اصلی نابینایی و کم بینایی در بین جوامع هست. تشخیص زودهنگام میکروآنوریسم، اگزودا که جزء اولین نشانه-های این بیماری است شانس بیمار را برای جلوگیری از نابینایی یا کم بینایی بهبود میبخشد. در این مقاله به معرفی یک سیستم موازی برای تشخیص سریع این بیماری در مراحل اولیه خود پرداخته شده است.
این روش شامل دو فاز تشخیص میکروآنوریسم و اگزودا که به صورت موازی پردازش میشوند، که هر فاز دارای سه مرحله اصلی، پیشپردازش، تشخیص نامزد و رأیدهی به نامزد است. برای آزمایش الگوریتم از پایگاه تصویر آنلاین diaretdb1 شامل 89 تصویر شبکیه استفاده شده است. در این روش میانگین نرخ حساسیت به دست آمده در تشخیص بیماری برابر %93,16 و در تشخیص دقیق مکان عارضه برابر با %93,38 و نیز میانگین دقت تشخیص بیماری برابر%93,6 و در تشخیص دقیق مکان عارضه برابر %97,96 است.
.1 مقدمه
دیابت که بر اثر ناتوانی بدن در تولید و مصرف انسولین به وجود آمده، غلظت خون فرد مبتلا را بالا میبرد و سبب پیدایش تغیراتی در عروق کوچک که تغذیه شبکیه چشم را بر عهدهدارند، میشود و باعث نشت اکسیژن، خون و سایر مایعات داخل عروق شده و بیماری رتینوپاتی دیابتی 1 را به وجود می-آورد. علاوه بر این، بر طبق پیشبینی سازمان جمعیت بهداشت عمومی، تعداد افراد مبتلا به دیابت تا سال 2030 میلادی به 366 میلیون نفر خواهد رسید.
عوارض بیماری رتینوپاتی دیابتی به طور متوسط پس از -5 15 سال از عمر بیماری دیابت پدیدار میشود.[2]قریباًت تمام بیماران مبتلا به دیابت نوع 1 و 60 از بیماران مبتلا به دیابت نوع 2 به بیماری رتینوپاتی دیابتی مبتلا هستند.[3] این بیماری در آغاز به صورت میکروآنوریسم 2، اگزودا 3 و خونریزی دیده میشود که اگر فرد بیمار توجهی به آن نکند پس از مدت یک سال به اِدمماکولا4 و رشد غیرطبیعی عروق تبدیلشده که جزء مراحل سخت این بیماری است و نابینایی فرد را به همراه دارد.
برای همین تشخیص بیماری در مراحل اولیه از اهمیت بیشتری برخوردار است. میکروآنوریسمها جزء اولین نشانههای رتینوپاتی دیابتی است که به صورت لکههای کوچک گرد، قرمز رنگ در سطح شبکیه نمایان میشود که شایعترین محل وقوع آن در نزدیکی عروق کوچک است، این ضایعه در تصاویر دیجیتال به اندازه 1 تا 3 پیکسل دیده میشود.[4] اگزودا ضایعه دیگر که جزء نشانههای اولیه این بیماری است به صورت ترشحات زردرنگ مایل به سفید، دارای لبههایی با فرکانس بالا، در شکلها، اندازهها، محلها و روشناییهای مختلف در تصاویر فوندوس دیده میشود.
به علت اهمیت تشخیص این دو ضایعه در مراحل اولیه بیماری رتینوپاتی دیابتی، تحقیقات فراوانی در این زمینه صورت گرفته ونتایج آن منتشر شده است . اولین تشخیص این ضایعه بر روی تصاویر آنژیوگرافی فلورسئین در سالهای 1984 مطرح شد که مزیت این تصاویر نسبت به تصاویر فوندوس دیجیتالی بزرگ بودن تصاویر شبکیه و تشخیص راحتتر ضایعات است. اما استفاده داخلی فلورسئین باعث مرگومیر شده، برای همین دیگر از این تصاویر استفاده نشده است و پس از آن تصاویر فوندوس دیجیتالی جایگزین تصاویر آنژیوگرافی فلورسئین شده که کم هزینه و غیرتهاجمی است ولی کیفیت این تصاویر به عنوان عامل محدودکننده عمل میکند
الگوریتمی که در سال 2010 توسط زهنگ5 و همکارانش ارائه شده است. که بر اساس تابع گوسی دایرهای و ضریب همبستگی آن به شناسایی ضایعهی میکروآنوریسم پرداخته و با استفاده از آستانهی تطبیقی کاذبها را حذف کرده و با استخراج 31 ویژگی، نامزدها را طبقه بندی کرده است که حساسیت %71,3 در پایگاه تصویر roc و diaretdb1 به دست آورده است.
همین محقق در سال 2012 این روش را با طبقه بندی جدیدی به صورت دو فرهنگ DL و SRC پیاده سازی کرده تا میکروآنوریسم از غیر میکروآنوریسم تشخیص دهد این محقق الگوریتم را در 3 پایگاه تصویر roc، drive و stare تست کرده و حساسیت %35,7 رسیده است. [4] در روش دیگر جیمینز6 و همکارانش بر اساس منطقه در حال رشد و شبکه عصبی نامزد های میکروآنوریسم را شناسایی کرده به طوری که هر نامزد را بر اساس شدت روشنایی در هر بلوکه شناسایی کرده و آن را با همسایگان خود مقایسه و رشد داده و با استخراج 15 ویژگی طبقهبندی کرده است این الگوریتم بر روی 11 تصویر مورد ارزیابی قرار گرفته و حساسیت %92,45 را به دست آورده است.
در روش دیگر آکرام1 و همکارانش با استفاده از بانک فیلتر و اعمال مورفولوژیکها به حذف سازههای روشن و تیره پرداخته و برای نامزدهای باقیمانده بردار ویژگی استخراج کرده و برای طبقهبندی نامزدها از طبقهبندی مدلگوسی GMM و ماشین برداری SVM و گسترش مدلها M-MEDIODS استفاده کرده است این محقق الگوریتم خود را بر روی پایگاه تصویر diaretdb1 مورد ارزیابی قرار داده و حساسیت %95,9 به دست آورده و دقت الگوریتم خود را برابر %98,6 بیان کرده است.
در راستای تشخیص ضایعهی اگزودا ویلف2 و همکارانش، از عملیات مورفولوژیک بر روی فضای LUV برای شناسایی این ضایعه استفاده کرده است به طوری که درصد حساسیت را %70,48 و درصد دقت را %84,66 بر روی پایگاه تصویر diaretdb1 به دست آورده است
الگوریتم مشابهی در سال 2010 ارائه شده که مبنای کار آن عملیات مورفولوژیک است و تفاوت در طبقه بندی با استفاده از الگوریتم SIFT است این الگوریتم بر روی 1000 تصویر مورد ارزیابی قرار گرفته و درصد حساسیت %98,4 را به دست آورده است.[10] در الگوریتمی دیگر سافاراک3 و همکارانش با به دست آوردن تابع احتمالی جرم برای هر پیکسل به شناسایی ضایعهی اگزودا پرداخته و نامزد انتخابی را بر اساس بردار ویژگی طبقهبندی کرده است به طوری که 39 تصویر را مورد بررسی قرار داده و حساسیت و دقت برابر %92,28 و %98,48 را به دست آورده است
در روش دیگر که توسط هانیزا4 و همکارانش ارائه شده با استفاده از تقسیمبندی فازی ، تشخیص لبه، آستانه اوتسو نامزدها را از پس زمینه جدا کرده و از آستانه سطح معکوس برای استخراج اگزودا استفاده کرده است این محقق از پایگاه تصویر آنلاین diaretdb1 استفاده کرده و حساسیت و دقت برابر %98,2 و %97,8 را به دست آورده است.
تمامی روشهای بیان شده، مانند روش ارائه شده به تشخیص ضایعات بر روی تصاویر فوندوس رنگی شبکیه پرداخته است. اما به طور کلی مرور بر تحقیقات این حوزه نشان میدهد که بیشتر روشهای موجود، به صورت الگوریتمهای تک پردازنده ارائه شده است. در حالیکه در این مقاله روشی ارائه شده است که بر مبنای موازیسازی، روشهای ترکیبی مورفولوژیک و تبدیلات هاف میباشد که با حفظ درصد تشخیص به عمل تشخیص سرعت میبخشد.
.2 مواد و روشها
به طور کلی هدف از این سیستم تشخیص ضایعات میکروآنوریسم و اگزودا در کمترین زمان ممکن میباشد. این سیستم دارای دو فاز تشخیص میکروآنوریسم و اگزودا است که این دو فاز به صورت موازی در کنار هم عمل میکنند ورودی این سیستم تصویر فوندوس رنگی از شبکیه چشم بیمار است. و خروجی این سیستم تصاویر ضایعهها به وجود آمده در شبکیه بر اثر بیماری رتینوپاتی دیابتی در یک تصویر دودویی است. به طوری که موقعیت ضایعات به رنگ سفید و پس زمینه به رنگ سیاه است. این سیستم موازی عملکرد یکسانی بر روی داده-های متفاوت انجام میدهد. هر فاز شامل سه مرحله پیش پردازش، تشخیص نامزد و رای دهی میباشد. شکل 33 شمای کلی الگوریتم را نمایش میدهد.
این مطالعه بر روی 89 تصویر شبکیه از پایگاه آموزش دیده آنلاین diaretdb1 که شامل 78 تصویر دارای ضایعه میکروآنوریسم، 47 تصویر دارای ضایعه اگزودا و 5 تصویر سالم شبکیه، انجام شده است.
