عنوان مقاله :
تشخيص ديابت از روي تصاوير زبان با استفاده از ويژگي‌هاي محلي، ويژگي‌هاي آماري بافت و گشتاور رنگ
عنوان فرعي :
Diagnosis of Diabetes Based on Tongue Images Using Local Features, Statistical Features of Texture and Color Moment
پديد آورنده :
باقري باغان مريم
پديد آورندگان :
آزادزاده وحيد نويسنده كارشناسي ارشد هوش مصنوعي و رباتيك، گروه كامپيوتر، دانشكده مهندسي برق و كامپيوتر، دانشگاه يزد، يزد Azadzadeh Vahid , لطيف علي‌محمد نويسنده دانشيار، دانشكده مهندسي برق و كامپيوتر، دانشگاه يزد، يزد Latif Ali Mohammad
سازمان :
دانشجوي دكتري پزشكي، كميته تحقيقات دانشجويي، دانشگاه علوم پزشكي خراسان شمالي، بجنورد
كليدواژه :
diabetes , Extreme learning machine , image processing , Local features , Noninvasive method , Texture features , پردازش تصوير , ديابت , روش غير تهاجمي , گشتاورهاي رنگ , ماشين يادگير بيشينه , ويژگي‌هاي محلي , Color Moments , ويژگي‌هاي بافت
چكيده فارسي :
تشخيص بيماري از روي زبان، روشي رايج در طب سنتي چيني است. در اين مقاله، روش غير‌تهاجمي تصوير برداري از زبان، كه پاپيلاهاي سطح آن در اثر ابتلا به بيماري ديابت تغيير شكل مي‌دهند، براي شناسايي بيماري ديابت استفاده مي‌شود. تصاوير استفاده‌شده، از كلينيك تخصصي پارسيان شهر مشهد تهيه شد. در اين نمونه‌برداري، افراد مبتلا به ديابت، سالم و مشكوك به ديابت با هر دو جنسيت در گروه‌هاي سني مختلف آزمايش شدند. بعد از تصوير برداري، ناحيه زبان با استفاده از دو مدل مبتني بر كانتور فعال، بخش‌بندي شد؛ سپس، ويژگي‌هاي محلي توسعه يافته، ويژگي آماري بافت و گشتاورهاي رنگ در فضاهاي رنگي مختلف از ناحيه بخش‌بندي شده استخراج مي‌شود. پس از استخراج ويژگي با استفاده از دسته‌بندي ماشين يادگير بيشينه، افراد ديابتي، سالم و مشكوك شناسايي مي‌شوند. در روش پينشهادي، دقت 7/97 درصد براي پايگاه داده تهيه‌شده به‌دست آمد. نتايج آزمايش ها، كارآمدي روش ارايه‌شده را در دقت تشخيص و سرعت پاسخ‌دهي مناسب نسبت به ساير روش‌هاي غير‌تهاجمي نشان مي دهد.
چكيده لاتين :
It is a common approach to diagnose a disease based on the tongue in Traditional Chinese Medicine. In this paper, a noninvasive imaging of tongue whose surface papilla change in diabetics is used to detect the disease. The required images have been provided by Parsian specialized clinic of Mashhad. In the sampling procedure, the diabetics, healthy individuals and those suspected of diabetes with both sexes and different age groups were considered. After imaging, tongue region was segmented based on two active contour models; then extended local binary patterns features, statistical features of the tongue texture, Color Moments in different color spaces were extracted from the segmented region. After feature extraction, diabetics, healthy and suspected of diabetes were detected using extreme learning machine classification. The proposed method obtained a precision of 97.7% for the current database. Experimental results show the efficiency and responding time of the proposed method compared to other noninvasive methods.
عنوان نشريه :
مهندسي پزشكي زيستي
عنوان نشريه :
مهندسي پزشكي زيستي
