اثربخشي روش الكترونيكي در شناسايي ميكروآنوريسم‌هاي شبكيه در بيماران مبتلا به رتينوپاتي ديابتي

اثربخشي روش الكترونيكي در شناسايي ميكروآنوريسم‌هاي شبكيه در بيماران مبتلا به رتينوپاتي ديابتي

مقدمه: يكي از جراحات موجود در شبكيه، ميكروآنوريسم‌ها (Microaneurysms)مي‌باشند. ميكروآنوريسم‌ها ابتدايي‌ترين علايم بيماري رتينوپاتي ديابتي مي‌باشند. وجود اين جراحات در سطح شبكيه مي‌تواند بطور جدي بينايي را مختل نمايد. تشخيص پاتولوژي‌هاي ميكروآنوريسم در شمار زيادي از تصاوير توليد شده مرتبط با روش‌هاي تصويربرداري، زمان بر، پرهزينه و توام با خطاي انساني مي‌باشد. لذا بهتر است از يك روش كامپيوتري و مدرن جهت تشخيص جراحات استفاده نمود. هدف اين مقاله مقايسه انواع روش‌هاي بررسي اتوماتيك تصاوير رنگي شبكيه در بيماران مبتلا به ديابت به منظور شناسايي و دسته‌بندي سريع و دقيق پاتولوژي‌هاي قرمز رنگ شبكيه (ميكروآنوريسم‌ها) و سپس تشخيص بيماري رتينوپاتي ديابتي در مراحل اوليه آن مي‌باشد. مواد و روش‌ها: در اين مقاله از روش تشخيص ميكروآنوريسم‌ها برمبناي ناحيه به منظور جداسازي اين پاتولوژي‌ها از ساير نواحي تصوير استفاده گرديده و همچنين از دسته‌بندي‌كننده‌هايي نظير درخت‌هاي تصميم‌گير، ماشين‌بردار پشتيبان و شبكه‌هاي بيزين استفاده شده است. بنابراين داده‌هاي استخراج شده از تصاوير شبكيه در ابتدا بايد بصورت الكترونيكي آموزش ديده و در مراحل بعدي خود را به منظور تشخيص آماده نمايند. نتايج: در بررسي‌هاي به عمل آمده حساسيت و ويژگي روش دسته‌بندي‌كننده ماشين بردار پشتيبان 97.5% و 99.9% ؛ روش شبكه‌هاي بيزين 96.3% و 99.5% و روش دسته‌بندي‌كننده درخت‌هاي تصميم‌گيري 100% و 98% بدست آمده است. نتيجه‌گيري: بعد از مقايسه روش‌هاي ذكر شده، بهترين روش تشخيص استفاده از دسته‌بندي‌كننده C4.5 بوده كه اين روش بر اساس درخت‌هاي تصميم‌گير مي‌باشد. اين روش با استفاده از كامپيوتر و به طور كاملاٌ اتوماتيك پياده‌سازي گرديده و كار تحليل و تشخيص تصاوير را بدون مداخله پزشك متخصص انجام مي‌دهد و در مقايسه با روش‌هاي تشخيص با‌ليني از دقت بالاتري برخوردار مي‌باشد.

Introduction: Microaneurysms (MAs) are one of the types of retinal lesions. MAs are one of the early signs of diabetic retinopathy (DR), which is one of the leading causes of vision loss. The presence of MA on the surface of the retina can severely affect the eye. Detection of MAs in a large number of images generated by screening images, is a very time consuming, cost – effective, and erroneous process. Therefore it is better to use a modern computer method for the detection of MAs. The aim of this study is to compare the different comparison types of automatic images of the retina in patients suffering from diabetes in order to quickly and accurately categorize and diagnose red colored pathology of the retina (microaneurysms), and the diagnosing diabetic retinopathy (DR) in primary stages. Materials and Methods: In this study, the region-based MAs diagnostic method was used for differentiating between these pathologies from other regions, and we also used classifiers such as decision trees, support vector machine and Bayesian networks. Therefore, the extracted data from Bayesian networks, must be trained electronically and prepare themselves for diagnosis and detection in the next stages. Results: In the methods, the sensitivity and the features of the categorization method of the mashin bordare poshtiban was 97.5% and 99.9%; the …. Shabakiye method, 96.3% and 99.5%, and the decision tree categorization method, 100% and 98. Conclusion: After comparing the mentioned results, the best diagnosis method was the application of the C4.5 categorizer, and this method is based on decision making trees. This method was completely automatic with the help of a computer and analyzes and diagnosis the images without the interference of the physician. Compared to the clinical diagnosis methods it is more accurate.