تشخيص بيماري ام.اس با استفاده از نقشه ضخامت لايه هاي شبكيه مستخرج از تصاوير OCT

اصفهان : دانشگاه صنعتي اصفهان

كامپيوتر

كارشناسي ارشد

امولتيپل اس΋لوروسيس (ام.اس) از شايع ترين بيماري هاي سيستم عصبي مركزي(CNS (در انسان به حساب مͳ آيد. اين بيماري مزمن جزء گروهͳ از بيماري هاي عصبي محسوب مͳ شود كه با تخريب غلاف هاي ميلين راه هاي عصبي همراه است. تخريب ميلين در اين بيماري معمولا˦ در نواحͳ خاصͳ چون عصب بينايي، ساقه مغز، مخچه و ماده سفيد مغز رخ مͳ دهد كه منجر به بروز مجموعه اي از علائم بالينͳ مͳ گردد. ي΋ͳ از علائم ابتدايي اين بيماري نشانه هاي مش΋لات بينايي است كه علت آن را مͳ توان تخريب لايه هاي شب΋يه چشم به حساب آورد. درواق تخريب لايه هاي شب΋يه چشم يΈ بيماري چشمͳ به نام اپتيΈ نورايتس (ON (است. ازاين جهت نياز مبرم به يΈ وسيله پزش΋ͳ احساس مͳ شود تا كه تصاويري از لايه هاي داخلͳ شب΋يه چشم بيمار را ارائه دهد. در حال حاضر اين امر از طريق دستگاه توموگرافͳ انسجام نوري (OCT (محقق شده است. OCT كمΈ شايانͳ به متخصصين در امر تشخيص بيماري ام.اس كرده است. مقالات متعددي به اين امر اشاره دارند كه داده هاي OCT در تشخيص زودهنگام بيماري ام.اس نسبت به روش هاي ديΎر مانند تصويرسازي تشديد مغناطيسͳ MRI مؤثرتر واق شده است. به دليل آن كه تصاوير OCT حجم زيادي از اطلاعات را در اختيار ما مͳ گذارد، لذا نيازمند تجزيه وتحليل تصاوير از طريق قسمت بندي تصاوير و تهيه نقشه ضخامت است. نقشه ضخامت درواق بيان كننده تعيين مقدارهاي كمˈͳ از لايه هاي شب΋يه است كه نمايانگر نازك شدن يا التهاب آن ها در بيماران، ازجمله بيماران ام.اس، اپتيΈ نوروميليتس (NMO (و اپتيΈ نورايتس است. ازاين جهت نقشه ضخامت به متخصصين در تشخيص بيماري ها ازجمله بيماري هاي ذكرشده كمΈ شايانͳ مͳ كند. اكثر پژوهش ها به بررسͳ بيماران ON ،ام.اس باسابقه ON و بدون سابقه ON ،از روش هاي پردازش تصوير و نرم افزار هاي مختلف براي بخش بندي لايه هاي شب΋يه و مقايسه ميانگين ضخامت لايه ها در قسمت ماكولا و سر عصب با كمΈ نرم افزارهاي آماري استفاده كردند. روش معرفͳ شده در اين پژوهش، با در نظر گرفتن دو حالت چرخش و بدون چرخش به منظور همانندسازي داده ها در لايه هاي RNFL ،GCIP و GCIP+RNFL در رزولوشن هاي 20 × 20 پي΋سل، 30 × 30 پي΋سل و 40 × 40 پي΋سل در ناحيه ماكولا، حول مركزيت فووآ و همچنين 9 س΋تور از دايره هاي تودرتو است، كه توسط الΎوريتم هاي طبقه بند RF و SVM يادگيري ماشين موردبررسͳ قرارگرفته اند. نتايج حاصل از اين پژوهش نشان داد كه ضخامت لايه GCIP با در نظر گرفتن زاويه چرخش Scan-Bها توسط الΎوريتم RF در رزولوشن 20 × 20 با صحت 05/82 درصد اطلاعات مفيدتري در اختيار قرار مͳ دهد.

221237

نرم افزار

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان

راحله كافيه

محمدحسين منشئي، زينب مالكي

محمدرضا احمدزاده