تشخيص بيماري كوويد-19 توسط تكنيك هاي پردازش تصاوير سي تي اسكن ريه

Diagnosis of COVID-19 Disease Using Lung CT-scan Image Processing Techniques

امروزه روش هاي متعددي جهت تشخيص بيماري كوويد-19 مانند علايم باليني مرتبط با بيماري و روش هاي تشخيصي با دقت بالاتر نظير تصويربرداري سي تي اسكن از ريه ها استفاده ميگردد. هدف از انجام اين مطالعه دستيابي به يك روش تشخيصي دقيق جهت تشخيص هوشمند و خودكار بيماري كوويد-19 با به كارگيري تكنيك هاي پردازش تصاير سي تي اسكن ريه ها و به كارگيري نتايج اين روش به صورت ابزار تشخيصي دقيق به عنوان مكمل دستگاه سي تي اسكن ميباشد. روش با به كارگيري الگوريتم هاي پردازش تصاوير ديجيتال مانند بخش بندي و استخراج ويژگي از تصاوير و استفاده از روش هاي مختلف تحليل آماري بر روي ويژگي هاي مستخرج از تصاوير، به شناسايي بيماري كوويد-19 (ديتاي 79 نفر) از طريق تصاوير سي تي اسكن نمونه هاي مرد و زن داراي سنين مختلف پرداخته و به ارزيابي تاثيراتي كه اين بيماري روي ريه هاي افراد مبتلا ميگذارد، پرداخته ميشود. زمان و مكان انجام پژوهش به ترتيب در بهار سال 1399 و در دانشكده علوم و فناوري هاي پزشكي واحد علوم و تحقيقات تهران انجام گرديده است. نتايج اين روش هوشمند بر پايه استخراج ويژگي از تصاوير سي تي اسكن ريه ها ميتواند بر اساس دسته هاي مختلف (جنسيت، نوع آسيب ايجاد شده در اثر بيماري) با دقت بالا به تشخيص اين بيماري بپردازد. با توجه به بررسي موقعيت درگيري بافت ريه در افراد مبتلا به كوويد-19، مشخص گرديد كه اكثر افراد مبتلا در بخش هاي تحتاني هر دو ريه دچار تخريب بافت به مقدار بيشتر از لب هاي مياني و فوقاني شده اند. نتيجه گيري: الگوريتم ارايه شده در اين مطالعه با دقت بالا قادر به تشخيص و تمايزپذيري داده هاي تصاوير اخذ شده از ريه هاي افراد سالم و بيماران مبتلا به كروناويروس ميباشد.

Today, several methods are used for detecting COVID-19 such as disease-related clinical symptoms, and more accurate diagnostic methods like lung CT-scan imaging. This study aimed to achieve an accurate diagnostic method for intelligent and automatic diagnosis of COVID-19 using lung CT-scan image processing techniques and utilize the results of this method as an accurate diagnostic tool complementing the CT-scan devices. Method Based on digital image processing algorithms such as segmentation and feature extraction and using various methods of statistical analysis on the features extracted from images, CT-scan images of 79 male and female patients in different ages were analyzed and the effects of this disease on the infected lungs of patients were evaluated. This research was conducted in the spring of 2020 in the Faculty of Medical Sciences and Technologies, Science and Research Branch in Tehran. Results This intelligent method based on feature extraction from lung CT-scan images can diagnose COVID-19 with high accuracy on different categories (gender, type of injury caused by the disease). The analysis of lung tissue involvement in patients with COVID-19 revealed that most patients had tissue damage in the lower parts of both lungs to a greater extent than the middle and upper lung lobes. Conclusion The algorithm presented in this study can accurately detect and differentiate the data of images taken from the lungs of healthy people and patients with coronavirus disease.