طراحي سيستم كمك تشخيص كامپيوتري نوين به منظور شناسايي ندول‌هاي ريوي در تصاوير سي‌تي ‌اسكن

Designing a new CAD system for pulmonary nodule detection in High Resolution Computed Tomography (HRCT) images

زمينه و هد ف: بيماری های ريوی و در رأس آن سرطان ريه از شای ع ترين و خطرنا ك ترين بيماری هايی هستند كه روزانه افراد زيادی را به كام مرگ م ی كشانند. در اين مقاله يك سيستم كمك تشخيصی مكانيزه جهت شناسايي ندول های ريوی به عنوان يكی از علايم اصلی بيماری های ريه ارايه خواهد شد. روش بررسی: در يك كارآزمايی بالينی 25 بيمار ريوی مراجعه كننده به بيمارستان مسيح دانشوری تهران كه در تصاوير آن ها ندول ريوی مشاهده گرديد به طور تصادفی به دو گروه مورد با جمعيت پانزده ( 9 زن و شش مرد با HRCT 39 سال ) ±4/ 43 سال ) و گروه ناظر با جمعيت ده (شش زن و چهار مرد با ميانگين سنی 91 ±5/ ميانگين سنی 63 تقسيم شدند . با اعمال روش های پردازش و تحليل تصاوير پزشكی و استفاده از الگوريتم های شناسايی آماری الگو سيستمی مكانيزه جهت شناسايی خودكار ندول ريوی ارايه گرديد. يافت هها: به وسيله رو ش های بخش بندی تصاوير پزشكی نسج اصلی ريه ها از بقيه تصاوير دو بعدی جدا شدند . در مرحله بعد موارد مشكوك شامل رگ، برونش، ندو ل و غيره به صورت رنگی برچسب گرفتند . سپس ويژگی هاي مشخصه ندول ها به دست آمدند . در نهايت جهت كلاسه بندی با استفاده از شبكه عصبی مصنوعی ندو لهای موجود در تصوير از بقيه موارد تفكيك و مشخص گرديدند. .در مرحله بعد موارد مشكوك شامل رگ، برونش، ندو ل و غيره به صورت رنگی برچسب گرفتند . سپس ويژگی هاي مشخصه ندول ها به دست آمدند . در نهايت جهت كلاسه بندی با استفاده از شبكه عصبی مصنوعی ندو لهای موجود در تصوير از بقيه موارد تفكيك و مشخص گرديدند نتيجه گيری: با توجه به پيچيدگی و ساختارهای متنوع ندو ل ها و تعد اد زياد تصاوير س ی تی مربوط به كات های مختلف ريه، پيدا كرد ن ندول ريوی از ميان موارد مشكوك كاری دشوار، زمان بر و با احتمال خطای انسانی برای پزشكان ندول ريوی را از موارد مشكوك آشكار ساخته است. (P<0/ متخصص می باشد. خروجی سيستم پيشنهادی به خوبی..

Background: Lung diseases and lung cancer are among the most dangerous diseases with high mortality in both men and women. Lung nodules are abnormal pulmonary masses and are among major lung symptoms. A Computer Aided Diagnosis (CAD) system may play an important role in accurate and early detection of lung nodules. This article presents a new CAD system for lung nodule detection from chest computed tomography (CT) images. Methods: Twenty-five adult patients with lung nodules in their CT scan images presented to the National Research Institute of Tuberculosis and Lung Disease, Masih Daneshvari Hospital, Tehran, Iran in 2011-2012 were enrolled in the study. The patients were randomly assigned into two experimental (9 female, 6 male, mean age 43±5.63 yrs) and control (6 female, 4 male, mean age 39±4.91 yrs) groups. A fully-automatic method was developed for detecting lung nodules by employing medical image processing and analysis and statistical pattern recognition algorithms. Results: Using segmentation methods, the lung parenchyma was extracted from 2-D CT images. Then, candidate regions were labeled in pseudo-color images. In the next step, some features of lung nodules were extracted. Finally, an artificial feed forward neural network was used for classification of nodules. Conclusion: Considering the complexity and different shapes of lung nodules and large number of CT images to evaluate, finding lung nodules are difficult and time consuming for physicians and include human error. Experimental results showed the accuracy of the proposed method to be appropriate (P<0.05) for lung nodule detection.