بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
قطعه بندی تصاویر سیتی اسکن ریه جهت تشخیص بیماریهای ریوی
چکیده
از آنجایی که تصاویر سی تی اسکن ریه در طی تصویر برداری دچار نویز و تاثیرات حجم جزیی میشوند، قطعه بندی صحیح رگهای خونی کار دشواری است. در تشخیص بیماری سرطان ریه تشخیص دقیق ندول های ریه بسیار اهمیت دارد و درمیان انواع ندول ها تشخیص ندول های متصل به رگ به خاطر شباهت شدت روشنایی با رگ های مجاور کار دشواری است. با تشخیص اتوماتیک رگ های ریه می توان دقت تشخیص این گونه سیستم ها را افزایش داد. در این مقاله یک روش خودکار جهت قطعه بندی رگهای خونی در تصاویر دو بعدی سی تی اسکن ارایه شده است. ابتدا تصاویر ریه به روش قطعه بندی راه پیمای تصادفی قطعه بندی می شوند و ریه چپ وراست ریه مشخص شده و سایر قسمت ها حذف می شوند. این روش جز روش های تعاملی قطعه بندی است که ما آن را به صورت خودکار برای قطعه بندی ریه توسعه داده ایم. سپس تصاویر قطعه بندی شده ریه به روش متفاوتی به کمک ویولت بهبود مییابند و پس از آن از روش آستانه گذاری بهینه محلی برای قطعه بندی رگ استفاده می شود.
کلمات کلیدی: قطعه بندی ریه، ویولت، رگ های ریه، آستانه گذاری وفقی
1. مقدمه
بیماریهای ریه یکی ازمهمترین عوامل مرگ و میر در جهان است. تشخیص زودهنگام این بیماریها میتواند منجربه شروع به موقع درمان و افزایش شانس زنده ماندن بیماران شود. امروزه با توجه به حجم زیاد دادههای فراهم شده توسط دستگاههای تصویر برداری سیتی اسکن، تشخیص توسط پزشک کار سخت و وقت گیری است. به همین دلیل استفاده از سیستمهای کمک تشخیص کامپیوتری برای تشخیص بیماریهای سرطان ریه، انسداد ریه و بیماریهای بافت بینابینی و درون شبکهای ریه همواره مورد توجه بوده است. مرحله مهم و ابتدایی در اکثر این سیستمها، قطعه بندی ریه است. این مرحله یک پیش نیاز برای انجام عملیات تحلیل محتوای تصویر وتشخیص الگوهای مورد جستجو در تصاویر است. نتیجه عمل قطعهبندی میتواند متضمن شکست یا موفقیت نهایی فرایند تحلیل باشد. به همین دلیل، بایستی ملاحظات لازم جهت اجرای قطعهبندی با صحت و دقت کافی منظور گردد. ازآنجایی که موقع تصویر برداری سیتی اسکن ریهها پراز هوا هستند، به صورت نواحی تاریک در تصویر سیتی مشخص میشوند. تباین بین ریه و بافت اطراف آن اساس بسیاری از روش های قطعه بندی ریه است. به همین دلیل، در بسیاری از روش-های قطعه بندی ازآستانهگذاری استفاده میشود .[9-2]روشهای مبتنی بر آستانه گذاری زمانی که تصویر دارای نویز و ناهنجاری های ریه نباشد، به خوبی عمل میکنند. در غیر اینصورت میتوان این روش را با روشهای دیگر ترکیب نموده یا از روشهای دیگر برای غلبه بر این مشکل استفاده نمود. در این تحقیق، به دلیل مزایای زیادی (سرعت بالا، قوی بودن در مقابل نویز و مرزهای ضعیف، امکان موازی سازی، قابلیت پیاده-سازی سخت افزاری، امکان استفاده در سه بعد و بالاتر، قابلیت مشخص کردن همزمان چند شی وپردازش چند دقتی) که روش راهپیمای تصادفی نسبت به سایر روشهای قطعهبندی تصاویر پزشکی دارد، از آن برای قطعهبندی ریه استفاده کردهایم . اما با توجه به تعاملی بودن روش مزایای قطعه بندی کاملا خودکار را ندارد و برای زمانی که تعداد تصاویر خیلی زیاد باشد قابل استفاده نیست. ما این روش را به صورت وفقی برای قطعهبندی خودکار ریه توسعه میدهیم . برای این کار باید نقاط دانه پیش زمینه و پس زمینه به صورت خودکار مشخص شود.
2. قطعه بندی ریه
قطعه بندی رگ یک پیش نیاز درکاربردهای تصاویر پزشکی است و در مواردی مانند تشخیص انسداد رگ [2-1] ، ندول ریه [4-3]، بیماری های درون شبکه ای[6-5] و انسداد ریه کاربرد[8-7] دارد. همچنین برای قطعه بندی لوبهای ریه[9] نیز استفاده میشود. بررسی رگ های ریه می تواند به تشخیص بیماری های تنفسی و بیماری های عروقی ریه کمک می کند.[10] روش های مختلفی برای قطعه بندی رگ های ریه پیشنهادشده است، که میتوان آنهارا به سه دسته تقسیم کرد:آستانه گذاری، فیلترهای بهبود رگ و روش پیگیری یا رشد درخت. . در کارهایی که قطعه بندی رگ هدف اصلی نیست اغلب از روش آستانه گذاری استفاده شده و کارایی قطعه بندی رگ ارزیابی نمیشود. بلکه بر اساس مزیتی که برای سیستم کمک تشخیص کامپیوتری ایجاد میکند، ارزیابی میشود.درتصاویر سی تی اسکن ریه به علت تاثیرات حجم جزیی و وجود نویز تباین بین رگ ها و دیگر بافت ها به خصوص ندول های ریه، خیلی پایین است و روش های موجود آستانه گذاری معمولا نتایج خوبی ایجاد نمی کند. رگ های ریه دارای سطوح انشعاب زیادی است ولازم است که از روش بهبودی استفاده کنیم که ضمن حفظ ازاطلاعات فرکانس پایین بتواند جزییات فرکانس بالا را نیز افزایش دهد. در این مقاله ابتدا تصاویر سی تی اسکن ریه به کمک روش راه پیمای تصادفی به صورت خودکار قطعه بندی شدند. در مرحله بعداز روش تجزیه ویولت برای بهبود تصویر و حفظ ازطلاعات جزیی رگ ها استفاده شده است . سپس از روش آستانه گذاری محلی وفقی برای قطعه بندی رگ استفاده شده است. در این تحقیق از تصاویر پایگاه داده VIA/ELCAP استفاده شده است [11]، که شامل 50 مورد تصویر سی تی در حالت دم و اندازه 512*512 است.
3. بهبود تصاویر
در تصاویر سی تی رگ های سطح پایین اطلاعات جزیی محسوب می شوند و سطح فرکانس بالا دارند. تشخیص آنها اغلب به خاطر وجود نویز سخت است . چرا که وقتی جزییات را ارتقا دهیم نویز نیز افزایش می یابد . از طرفی فرکانس های پایین تصویر نیز نباید حذف شوند چراکه فرکانس های پایین نیز حاوی ازطلاعات مهمی از تصویر است. روش های مبتنی بر ویولت قابلیت بهبود وفقی تصویررا با توجه به ویژگی های فرکانسی آن دارند.دو ایده اصلی برای استفاده از ویولت وجود دارد. در ایده اول فرض می شود که قسمت عمده اطلاعات در فرکانس پایین و نویز در فرکانس بالاست و با صرف نظر کردن از جزییات تصویر و گرفتن عکس تبدیل ویولت تا حدی از نویز تصویر کاسته می شود. اما جزییات فرکانس بالای تصویر حذف می شود. ایده دوم اصلاح ضرایب ویولت است .[14]
شکل :1تجزیه تصویر و زیر تصاویر فرکانس بالا دردوسطح
روش پیشنهادی در این مقاله بر اساس ایده دوم است. ابتدا تجزیه ویولت با استفاده از بانک فیلتر سطر به سطر و ستون به ستون به تصویر اعمال میشود. در نتیجه پس از هر سطح آنالیز ویولت دو بعدی یک تخمین که حاصل اعمال فیلتر LL است و سه دسته جزییات که حاصل فیلترهای HH,HL,LH است، بدست می آید. در همه زیر تصاویر غیر از زیر تصاویرفرکانس پایین، می توان جزییات بیشتری را به دست آورد. بنا براین ، تجزیه ویولت فرکانس های بالا را تا دوسطح دامه می دهیم. اگر در این مرحله ضرایب فرکانس بالا را بهبود دهیم ، با توجه به این که در فرکانس های بالا مقدار زیادی نویز هم وجود دارد، نویز و جزییات هر دو افزایش می یابند. با استفاده ازروش آستانه گذاری نویزموجود در هر زیر باند فرکانس بالا کاهش می دهیم.چون زیر باندهای فرکانسی در هر سطح با هم متفاوت هستند،در هر زیر باند از آستانه متفاوتی استفاده می کنیم. برای این کار ازروش [15] shrink استفاده می کنیم. این روش نسبت به روش های دیگرآستانه گذاری ، بیشتر با ویژگی های مختلف زیر تصاویر ویولت منطبق است. در ضرایب قطری سطح اولتجزیه (HH1) ، واریانس نویز را بهتر می توان تخمین زد.
T مقدار آستانه ای است که برای هر زیر باند محاسبه می شود. واریانس نویز تخمین زده شده در زیر باند HH1 و< انحراف استاندارد زیر باند
است. پارامتر یک بار برای هر مقیاس محاسبه می شود.LK طول زیر باند و J تعداد کل تجزیه است. ضرایب ویولت کمتر از مقدار آستانه نویز در نظر گرفته شده و حذف می شوند. پس از آستانه گذاری ، ضرایب را در 1.5ضرب می کنیم تا ضرایب بهبود یافته به دست آید. سپس معکوس تبدیل ویولت را به دست می آوریم. اما چون محدوده سطح خاکستری تصویر بهبود یافته کمتر از نرمال است، بااستفاده از روش متعادل سازی هیستوگرام تباین تصویر را بهبود می دهیم. با ستفاده از این روش جزییات تصویر به خوبی ارتقا یافته و رگ ها نیز مشخص شده اند (شکل .(2
