این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۲، شماره ۲۸۴، صفحات ۶۳۱-۶۴۶
عنوان فارسی شناسایی و طبقه‌بندی خودکار نواحی خونریزی مغزی با استفاده از ماشین بردار پشتیبان چند کلاسه در تصاویر سی‌ تی اسکن
چکیده فارسی مقاله مقدمه: خونریزی مغزی ناشی از ضربه به سر، یکی از عوامل شایع مرگ و میر می باشد. تشخیص به موقع محل و نوع خونریزی از اهمیت زیادی برخوردار است؛ به طوری که نجات جان این بیماران به طور کامل به تشخیص زودهنگام محل و نوع خونریزی بستگی دارد. در این مقاله یک روش خودکار شناسایی و طبقه بندی نواحی خونریزی مغزی به منظور ارتقای دقت و سرعت تصمیم گیری پزشک معرفی شده است. روش ها: ابتدا از یک روش ناحیه بندی برای شناسایی و جداسازی خونریزی از سایر قسمت های مغز استفاده شد. پس از آن به استخراج ویژگی های گوناگون از هر ناحیه ی خونریزی پرداخته شد و سپس با کمک الگوریتم ژنتیک، بهترین آن ها جهت تحویل به یک طبقه بند انتخاب گردیدند. تصاویر مورد استفاده در این تحقیق، از دستگاه سی تی اسکن بیمارستان کاشانی جمع آوری شدند و مربوط به 70 بیمار زن و مرد بین گروه سنی 60-15 سال بودند. این افراد، مشکوک به خونریزی های اپی دورال، ساب دورال، اینتراسربرال، داخل بطنی و یا بدون خونریزی (سالم) بودند. یافته ها: با استفاده از روش شناسایی و طبقه بندی پیشنهادی، صحت شناسایی انواع خونریزی EDH (Eextradural haematoma)، ICH (Intracerebral hemorrhage)، SDH (Subdural haemorrhage) به ترتیب مقادیر 87/96، 10/96 و 15/92 درصد به دست آمد. همچنین خونریزی IVH (Intraventricular hemorrhage) با صحت 82/91 شناسایی و از بقیه ی انواع خونریزی جدا شد. در مرحله ی طبقه بندی، صحت طبقه بندی و تشخیص نوع هر یک از انواع خونریزی 13/94 درصد به دست آمد. نتیجه گیری: در این مقاله، یک روش مستقل و خودکار شناسایی و طبقه بندی خونریزی مغزی ارایه شده است. روش ارایه شده تلاشی در جهت ارتقای دقت تشخیص پزشکان و تسریع تصمیم گیری آن ها به منظور نجات جان بیماران است. با استفاده از روش ارایه شده، 4 نوع خطرناک خونریزی در تصاویر سی تی اسکن تشخیص داده و انواع آن ها طبقه بندی شدند که از این طریق، فرایند درمان بیماران مبتلا به ضربه ی مغزی تسریع می گردد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Automatic Segmentation and Classification of Brain Hemorrhage Regions Using Multi-class Support Vector Machine in Computed Tomography (CT-Scan) Images
چکیده انگلیسی مقاله Background: Brain hemorrhage due to head trauma is one of the most common causes of death. Early diagnosis of location and type of brain hemorrhage is crucial. For saving the patients completely, it is necessary to detect the correct location and type of the hemorrhage in an early stage. In this study, we introduced an automatic brain hemorrhage detection and classification algorithm to improve and accelerate the process of physicians’ decision-making. Methods: To achieve the purpose, at first a segmentation algorithm was usedto detect and separate the hemorrhage regions from other parts of the brain. Then, a number of appropriate features from each detected hemorrhage region were extracted and then by using genetic algorithm, the most convenient features were selected. The utilized computed tomography (CT-scan) images in this research were collected from Kashani hospital CT-scan center (Isfahan, Iran) and were of 70 men and women between the ages of 15-60 years. Findings: Using the proposed segmentation and classification algorithm, the segmentation accuracy for different types of hemorrhages [epidural (EDH), intracerebral (ICH) and subdural (SDH)] were obtained as 96.87%, 96.10%, 92.15%, respectively. Also, intraventricular hemorrhage (IVH) was detected and separated from other types of hemorrhage with the accuracy rate of 91.82% and classified with accuracy rate of 94.13%. Conclusion: In this research, an independent and automatic brain hemorrhage detection and classification algorithm was assessed. Our proposed algorithm is an attempt to improve and accelerate the process of physicians’ decision-making to save the patients’ lives. By using the proposed algorithm, we were able to detect and classify four kinds of dangerous hemorrhages in CT-scan images and accelerat the process of the victim’s treatment.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهاره شاهنگیان | bahareh shahangian
دانشجوی کارشناسی ارشد، گروه مخابرات، دانشکده ی مهندسی برق، دانشگاه آزاد اسلامی، واحد نجف آباد، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی نجف آباد (Islamic azad university of najafabad)

حسین پورقاسم | hossein pourghasem
استادیار، گروه مخابرات، دانشکده ی مهندسی برق، دانشگاه آزاد اسلامی، واحد نجف آباد، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی نجف آباد (Islamic azad university of najafabad)

نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/3553
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-317990.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات