21328

21328

شناسايي خودكار انشعاب در تصاوير همدوس داخل رگي با استفاده از تكنيك نوين گراديان نقاط هم بند

كارشناسي ارشد

مهندسي پزشكي

98-99

1398/7/15

دكتر احمد آيت الهي

برق

بيشترين مرگ و مير ناشي از بيماري قلبي به دليل بيماري هاي عروق كرونر قلب مي باشد. اين بيماري ضخيم شدن ديواره رگ شرياني به علت پلاك آترواسكلروتيك است كه منجر به تنگ شدن يا حتي انسداد لومن شريان ميشود. در حال حاضر، توموگرافي منسجم نوري داخل عروقي (IVOCT) به طور فزاينده اي در كلينيك ها براي تشخيص بيماري هاي عروق كرونر به كار گرفته مي شود. توموگرافي همدوسي نوري درون رگي (IVOCT) يك سيستم تصويربرداري پزشكي تهاجمي درون رگي مبتني بر كاتتر است كه با به كارگيري از نور مادون قرمز نزديك ، تصاوير درون رگي مقطعي با رزولوشن بالا در مقياس ميكرومتري ارائه ميدهد. استفاده از روش‌‌هاي خودكار براي جداسازي ديواره رگ در عروق كرونري قلب منجر به صرفه‌‌جويي در وقت و هزينه مي‌شود و مي‌‌تواند دقت تشخيص بيماري قلبي عروقي توسط پزشك‌‌ها را بالا ببرد. در اين پايان نامه ابتدا يك روش خودكار جديد براي تعيين ديواره رگ پيشنهاد مي شود و سپس انشعاب در فريم ها شناسايي مي شود.الگوريتم تعيين ديواره رگ شامل مراحل پيش پردازش، تعيين نواحي اكسترمم كه در طول از آستانه هاي مختلف تصوير پايدار باشند (EREL)، انتخاب بهترين ناحيه از بين نواحي تعيين شده از طريق كلاس بندي مرزها به دو كلاس مرز و غيرمرز و در آخر تعيين مرز لومن و مديا مي باشد. و الگوريتم تعيين انشعاب شامل مراحل تعيين شكاف هاي هر فريم كه مي تواند ناشي از آرتيفكت سيم هدايت، پلاك و يا انشعاب باشد، اعمال رگرسيون غير خطي به مقدار مرز لومن در نواحي شكاف و كلاس بندي اين نواحي به انشعاب و غير انشعاب مي باشد.به منظور ارزيابي الگوريتم از دادگان واقعي استفاده كرده ايم و نتايج مقايسه الگوريتم خودكار با بخش بندي دستي نشان مي دهد كه الگوريتم پيشنهادي علاوه بر دقت بالا در تعيين مرز لومن (معيار تشابه 99%) و فاصله هاسدورف 0.2 mm ميباشد كه اين نشان دهنده پايداري الگوريتم در شرايط مختلف است و همچنين الگوريتم داراي دقت 93% براي تعيين نواحي انشعاب است.

1398/08/19

Automatic identification of the bifurcation in intravascular optical coherence tomography images using the novel gradient technique of the connected component

11/10/2019 12:00:00 AM

Most deaths of heart disease are due to coronary heart disease. This condition is caused by the thickening of the arterial wall due to atherosclerotic plaque, which can cause narrowing or even obstruction of the arterial lumen. Currently, intravascular optical coherence tomography (IVOCT) is increasingly being used in clinics to diagnose coronary artery disease. Intravascular Optical Coherence Tomography (IVOCT) is a catheter-based invasive intravascular medical imaging system that utilizes near-infrared light to deliver high resolution cross-sectional images. Using automated procedures to segmented the coronary artery wall can save time and cost and can improve the accuracy of doctors' diagnosis of cardiovascular disease. In this thesis, a new automated method for the determination of the vessel wall is proposed and then the bifurcations are identified in the frames. Artery wall segmentation algorithm including pre-processing steps, determination of extremal regions of extremum levels (ERELs), selection of the best areas to be determined by classifying the boundaries into two boundary and non-boundary classes, and finally Mary Lumen and detected the lumen and media borders. And the bifurcation algorithm consists of the steps to determine the slits of each frame that can be caused by artifacts, plaques, and bifurcation, applying nonlinear regression to the lumen boundary value in the slit regions, and classifying these areas into bifurcation and non-bifurcation. We used real data to evaluate the algorithm, and the results of comparing the algorithm with manual segmentation show that the proposed algorithm, in addition to high accuracy in determining the lumen boundary (99% Dice criterion) and Hausdorff distance of 0.2mm indicates the stability of the algorithm. It has different conditions and also the algorithm has 93% accuracy for determining the bifurcation regions.