17127

17127

تشخيص گلومرول با استفاده از پردازش هوشمند تصاوير كليه

كارشناسي ارشد

مهندسي پزشكي - بيومكانيك

اسفندماه 1395

دكتر برهان بيگ زاده - دكتر محمد رياحي

مكانيك

تحليل هندسه‌ي گلومرول‌ها (جزيي از واحد فيلتر كننده‌ي كليه-نفرون) گام مهمي در تشخيص بيماري‌هاي كليوي و همچنين تاثير داروهاي مختلف بر اين ارگان است. به علت شكل و اندازه‌ي متفاوت، تشخيص خودكار اين اجسام كليوي كار آساني نيست. اگر چه روش‌هاي دستي زمان بر و همراه با خطا هستند، در مراكز درماني همچنان از اين روش براي اندازه‌گيري ويژگي‌هاي مورفورلوژيك استفاده مي‌شود. در اين مطالعه روشي بر اساس تبديل فوريه و استفاده از توصيف‌گرهاي هندسي براي تشخيص خودكار اين اجسام در تصاوير ميكروسكوپي بافت كليه پيشنهاد شده است. براي دستيابي به اين هدف، 400 ناحيه‌ي مختلف از تصاوير به صورت اتفاقي انتخاب شده كه 200 نمونه از آن‌ها مربوط به گلومرول‌ها هستند. نمودار ROC براي سنجش تفكيك‌پذيري توصيف‌گرها به كار گرفته شده است. دو پارامتر مهم براي برآورد نتيجه توصيف‌گرهاي باينري، درصد تشخيص صحيح و غلط است كه براي تعيين حد بهينه براي تفكيك دو گروه، از پارامتر كه تركيبي از اين دو پارامتر مي‌باشد، استفاده شده است. با بررسي‌هاي صورت گرفته تركيب سه توصيف‌گر solidity، eccentricity و MSE (ميانگين مربعات خطاي بيضي برازش شده) بهترين تركيب براي تفكيك دو گروه از يكديگر خواهد بود. بعد از شناسايي نواحي جسم هدف، از تبديل فوريه براي تقريب منحني بسته از لبه‌هاي خارجي استفاده شده است. براي سنجش عموميت روش پيشنهادي، از اعتبارسنجي ضربدري استفاده شده كه 94 درصد نرخ تشخيص صحيح براي مدل و 5 درصد نرخ تشخيص نادرست را نتيجه داده است. در انتها براي برآورد عملكرد الگوريتم، نتايج حاصل از محاسبات مساحت براي سه قسمت كپسول نفرون، فضاي بومن و گلومرول‌ها با نتايج تجربي بدست آمده از تحقيقاتي كه روي جامعه‌ي آماري يكسان انجام شده، مقايسه شده كه به ترتيب خطاهاي 5.9، 4.5 و 6.26 درصد در مقايسه‌ي صورت گرفته، نتيجه شده است. نتايج ارائه شده حاصل از استفاده از الگوريتم پيشنهادي روي تصاوير با اشكال مختلف، عملكرد قابل قبول آن را در شرايط متفاوت نشان مي‌دهد. در نتيجه مي‌توان از آن براي اندازه‌گيري‌هاي مورفولوژيك دقيق و سريع براي كاربردهاي درماني بهره گرفت.

1396/01/27

1/1/1900 12:00:00 AM

Analysis of the glomerulus’ geometry is important in histopathological eva​luation of renal microscopic images. Due to shape an​d size disparity of even the glomeruli of the same person, automatic detection an​d analysis of these renal objects is not an easy task. Although manual measurements are time consuming an​d are not accurate, but it is commonly being used in medical centers. In this research, a new method based on Fourier transform is proposed to detect these objects an​d their geometrical parameters. So, five descriptors based on Hough transform, circle fitting, an​d ellipse fitting are suggested to distinguish the regions of interest. Images of 6 Wistar rats consist our dataset, an​d their glomerulus’ an​d Bowman’s space are calculated. The results are verified by a renal pathologist, an​d maximum error of 6.26% is resulted in calculation of glomeruli’s areas. Having tested different glomeruli with various shapes, the experimental consequences showed robustness an​d reliability of our method. Therefore, it could be used to show renal diseases an​d glomerular disorders by measuring morphological changes both accurately an​d quickly.