22406

آشكارسازي عصب در تصاوير فراصوت پزشكي

كارشناسي ارشد

مهندسي پزشكي

1394

1398/01/26

دكتر حميد بهنام

برق

بي‌حسي موضعي با هدايت تصويربرداري فراصوت از جديدترين كاربرد‌هاي تصويربرداري فراصوت پزشكي است. يكي از خطاهاي رايج اين روش كه استفاده از آن را محدود كرده است، خطا در تعيين محل دقيق عصب محيطي در تصاوير فراصوت است. ما در اين پژوهش يك روش خودكار براي آشكارسازي عصب محيطي با ادغام اطلاعات آناتوميكي و شكل احتمالي عصب در تصاوير فراصوت، ارائه نموديم. نتايج اين پژوهش نشان مي‌دهد كه روش ارائه شده در 72% از تصاوير آزمايش شده محل عصب را كاملا درست تشخيص مي‌دهد. از 28% تصاويري كه روش ارائه شده محل عصب را درست تشخيص نمي‌دهد، در 16% موارد محل واقعي عصب بين ناحيه‌هايي كه اين روش بعنوان محل عصب كانديد مي‌كند، وجود دارد. بهترين درصد شباهت عصب يافته شده در يك تصوير توسط اين روش با عصب علامت زده شده در همان تصوير توسط پزشك متخصص، طبق معيار Dice 71.8%±14.9% است. بررسي‌هاي كمي و كيفي صورت گرفته، قدرت و دقت روش پيشنهادي را تاييد مي‌كند.

1399/06/18

Nerve Detection in Medical Ultrasound Images

4/15/2019 12:00:00 AM

Ultrasound-guided regional anesthesia (UGRA) is the latest application of ultrasound imaging. A limitation of UGRA usage is the error in the exact detection of nerve blocks in the ultrasound images. In this study, an automatic method for the detection of the peripheral nerve is presented using a combination of anatomical and morphological information of nerves in the ultrasound images. At first, to remove noise and improve visual quality local histogram equalization and Laplacian filter are used. Then, the images are binarized using an adaptive threshold. Afterward, since fascia is continuous and brighter than other segments, probable segments corresponding to the fascia is detected. Moreover, due to the round shape of nerves in ultrasound images, the Hough algorithm is used to choose the nerve location candidates. Since the nerve is near the fascia and has more intensity brightness some nerve location candidates are eliminated. Finally, active contours are implemented to segment the nerve location candidates and the exact nerve location is detected by roundness criteria. The result has shown that the presented approach detected the nerve location in 72% of the data-set images correctly. The similarity between the detected nerve area and the marked nerve area, by the neurologist, according to the Dice coefficient is 71.8%±14.9%. Qualitative and quantitative investigations confirm the robustness and accuracy of the proposed method.