19985

۱۹۹۸۵

تشخيص هوشمند موارد پاتولوژيك از طريق تصاوير ميكروسكوپي كليه

كارشناسي ارشد

مكاترونيك

1394-1396

۱۳۹۷/۸/۱۴

دكتر اميرحسين دوايي مركزي

دكتر برهان بيگ زاده

مكانيك

در اين پايان‌نامه، روش‌هايي براي تحليل خودكار تصاوير و تعيين ويژگي‌هاي هندسي اجزاي كليوي ارائه‌شده است. كليه تقريباً از يك ميليون واحد فيلتر كننده به نام نفرون و هر نفرون از يك گلومرول و يك توبول تشكيل‌شده است. گلومرول¬ها فيلترهاي كوچك يا دستگاه غربالگري هستند و توبول¬ها ساختاري مثل يك لوله نازك دارند كه به گلومرول¬ها متصل شده‌اند. يكي از شاخص‌هاي مهم در تشخيص حالات داراي آسيب يا پاتولوژيك از موارد معمولي و همچنين تشخيص ميزان اثر داروها و مواد تزريقي بر اجزاي كليه، تعيين ميانگين مساحت و ضخامت گلومرول‌ها است. در حال حاضر، در بسياري از مراكز درماني، از روش‌هاي دستي براي مقياس¬گذاري بر روي تصاوير كليوي استفاده مي‌شود. اين روش‌ها علاوه بر آنكه زمان‌بر هستند، داراي خطاي اندازه‌گيري قابل‌ملاحظه نيز هستند. تعداد 94 تصوير ميكروسكوپي برش داده‌شده حاوي تك گلومرول از بافت 6 موش صحرايي نژاد ويستار تهيه‌شده است. الگوريتم پيشنهادي توانست 90 تصوير را به‌درستي مقياس¬گذاري كند. محاسبه ضخامت متوسط غشاء پايه¬اي گلومرول و قطر متوسط گلومرول و كپسول بومن، هدف كلي در اين پايان‌نامه است. براي اين منظور ابتدا قسمت¬هاي اضافي موجود بر روي جسم هدف، شناسايي و حذف مي¬شود. روش مبنا براي محاسبه ضخامت متوسط به‌گونه‌اي است كه خطوطي مقطعي در بخش¬هاي مختلف جسم رسم شده، ضخامت¬هاي محلي محاسبه و درنهايت از آن‌ها ميانگين¬گيري صورت مي‌گيرد. براي محاسبه قطر متوسط، مركز هندسي گلومرول و كپسول بومن تقريب زده‌شده، از آن مركز، خطوطي شعاعي رسم، شعاع‌هاي محلي محاسبه و درنهايت از آن‌ها ميانگين¬گيري صورت مي‌گيرد. روش‌هاي ديگري براي ضخامت و قطر نيز ارائه‌شده است و درنهايت هر سه فاكتور مورفولوژيك مذكور به‌صورت تجربي و توسط نرم¬افزار MOTIC نيز محاسبه و نتايج حاصل از الگوريتم هوشمند با آن مقايسه شد. نتايج محاسبه ضخامت به روش مبنا، داراي خطاي 2.09% و قطر گلومرول و كپسول بومن نيز به ترتيب داراي خطاهاي 1.15% و 1.84% در مقايسه با نتايج تجربي است. درحالي‌كه روش‌هاي ديگر خطاهايي بيشتري دارند. اهميت بيشتر اين مقايسه مربوط به زمان انجام محاسبات است كه آن را ساعت¬ها كاهش داده و به چند ثانيه رسانده است. نتايج ارائه‌شده حاصل از استفاده از الگوريتم پيشنهادي روي تصاوير با اشكال مختلف، عملكرد قابل‌قبول آن را در شرايط متفاوت نشان داده و همچنين گواهي بر دقت، سرعت و قابليت اطمينان بسيار بالاي آن مي¬باشد. درنتيجه مي‌توان از آن براي اندازه‌گيري‌هاي مورفولوژيك دقيق و سريع براي كاربردهاي درماني بهره گرفت.

1397/11/02

Intelligent diagnosis of pathological cases through renal microscopic images

11/5/2018 12:00:00 AM

In this study, some methods for the automatic analysis of images and the determination of the geometric properties of the kidney components are presented. The kidneys consist of about one million filter units called nephrons and each nephron consist of a glomerulus and a tubule. Glomeruli are small filters, and tubules are structurally like a thin tube attached to glomeruli. One of the important indicators in the diagnosis of pathological conditions from the normal cases, as well as the detection of the effect of drugs and injectable substances on the kidney components, is to determine the mean area and thickness of glomerulus. These image features are called morphological features. Currently, in many treatment centers, manual methods are used to quantification of kidney images. These methods, besides being time-consuming, also have significant measurement errors. A total of 94 microscopic images were taken containing single glomerulus from Wistar rats. The proposed algorithm quantify 90 images correctly. Quantification of mean thickness of the glomerular basement membrane and the mean diameter of glomerulus and Bowman's capsule is the general purpose of this thesis. For this, the additional parts on the target object are first identified and eliminated. The base method to calculate the mean thickness is such a way that cross-sectional lines are drawn in different parts of the object, the local thicknesses are calculated and eventually averaged. To calculate the mean diameter, geometric center of glomerulus and Bowman's capsule approximated, the radial lines are plotted from that center, local radiuses calculated and finally averaged. Other methods for thickness and diameter are also presented. Finally, these morphological factors were calculated experimentally by the MOTIC software and the results of the intelligent algorithm were compared whit them. The results of the thickness calculation by base method, have 2.09% error and for glomerulus and Bowman's capsule diameter also have 1.15% and 1.84% errors, respectively, compared to the experimental results. The importance of this comparison is related to the time of the calculations, which reduced hours to several seconds. The results from using the proposed algorithm on images with different shapes demonstrate their satisfactory performance under different conditions. As well as a certificate of high accuracy and speed. As a result, it can be used for accurate and fast morphological measurements for therapeutic applications.