این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۲، شماره ۲۸۶، صفحات ۷۲۶-۷۳۹
عنوان فارسی استخراج اتوماتیک مرز اجسام لیشمن موجود در نمونه‌های مغز استخوان بیماران مبتلا به لیشمانیازیس احشایی
چکیده فارسی مقاله مقدمه: تشخیص خودکار مرز در تکنیک های پردازش تصویر، یکی از مهم ترین مراحل تشخیص بیماری توسط کامپیوتر می باشد که دقت و صحت مراحل بعدی به طور حساسی به آن وابسته است. پس از رنگ آمیزی تصاویر میکروسکوپی میزان آرتیفکت های تصویر افزایش می یابد. از این رو، یافتن مرز دقیق اشیا به منظور استخراج ویژگی دقیق بسیار مهم می باشد. روش ها: در این مقاله، با پردازش تصاویر میکروسکوپی گرفته شده از نمونه های حاصل از آسپیراسیون مغز استخوان افراد مبتلا به بیماری لیشمانیازیس احشایی، به کمک روش های آستانه گذاری اوتسو (Otsu)، ساوولا (Sauvola) و k-میانگین، جسم لیشمن به صورت خودکار بخش بندی شد. به منظور جمع آوری مجموعه ی تصاویر، دوربین عکس برداری دیجیتال 9Sony DSC-H متصل به میکروسکوپ نوری 200RF40Olympus-CH استفاده گردید. روش های پیشنهادی بر روی 20 تصویر میکروسکوپی آزمایش گردید. جهت شناسایی اجسام لیشمن از بین موارد استخراج شده، برای هر کاندید ویژگی های هندسی مانند کشیدگی، نرخ مساحت، گردی، استحکام و ویژگی های بافتی مانند میانگین، واریانس، همواری، ممان سوم، یکنواختی و آنتروپی محاسبه شد. سپس با استفاده از طبقه بند شبکه ی عصبی جلوسو، اجسام موجود به دو گروه سالم و معیوب طبقه بندی شدند. یافته ها: در هر روش، به منظور یافتن بهترین حالت اجرایی ممکن، مقایسه ای صورت گرفت و مشخص گردید که استفاده از سطح پنج برای روش اوتسو، مقدار آستانه 1/0 برای روش ساوولا و تعداد خوشه ی پنج برای روش k-میانگین، کمترین میزان خطای استخراج مرز را به دنبال دارند. نتیجه گیری: نتایج به دست آمده پس از مقایسه ی دستاوردها با نظر پزشک متخصص، نشان داد که روش ساوولا دارای کمترین خطای استخراج مرز و روش اوتسو بهترین روش برای شناسایی جسم لیشمن می باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Automatic Boundary Extraction of Leishman Bodies in Bone Marrow Samples from Patients with Visceral Leishmaniasis
چکیده انگلیسی مقاله Background: According to the progress of microscopic imaging technology and suitable image processing techniques in the past decade, there is a tendency to use computer for automatic diagnosis of microscopic diseases. Automatic border detection is one of the most important steps in computer diagnosis that accuracy and specificity of the subsequent steps crucially depends on it. Microscopic images are colored to be seen more accurate and easier; after coloring, the image artifacts increases, so the boundary detection of objects is very important in order to find the exact feature extraction. Methods: In this study, leishman bodies existed in microscopic images taken from bone marrow samples of patients with visceral leishmaniasis underwent automatic-segmentatio using Otsu and Savoulla thresholding methods besides K-means clustering method. For data acquisition, a digital camera (Sony DSC-H9) coupled on an optical microscope (Olampus-CH40RF200) were used. Proposed method was tested on 20 images. For automatic diagnosis of the leishman bodies from all found objects, some geometric features like eccentricity, area ratio, roundness and solidity and some texture features like mean, variance, smoothness, third moment, uniformity and entropy were extracted. Found objects were classified into healthy and non-healthy groups using Feed-Forward Neural Network classifier. Findings: To find the best mode for each method, a comparison were made and determined that using stage 5 for Otsu, threshold 0.1 for Sauvola and 5 clusters for k-means had minimum automatic boundary extraction error. Conclusion: After compartment of obtained result with specialist, we found that Sauvolla method had minimum error of border detection, and Otsu method was more accurate for automatic detection of leishman bodies.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله ماریا فرهی | maria farrahi
دانشجوی کارشناسی ارشد، گروه بیوالکتریک، دانشکده ی فناوری های نوین علوم پزشکی و کمیته ی تحقیقات دانشجویی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

حسین ربانی | hossein rabbani
دانشیار، گروه بیوالکتریک، دانشکده ی فناوری های نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

اردشیر طالبی | ardeshir talebi
دانشیار، گروه آسیب شناسی، دانشکده ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (Isfahan university of medical sciences)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/3379
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-317979.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات