استخراج اتوماتیک مرز اجسام لیشمن موجود در نمونه‌های مغز استخوان بیماران مبتلا به لیشمانیازیس احشایی

Abstract

مقدمه: تشخیص خودکار مرز در تکنیک‌های پردازش تصویر، یکی از مهم ترین مراحل تشخیص بیماری توسط کامپیوتر می‌باشد که دقت و صحت مراحل بعدی به طور حساسی به آن وابسته است. پس از رنگ‌آمیزی تصاویر میکروسکوپی میزان آرتیفکت‌های تصویر افزایش می‌یابد. از این رو، یافتن مرز دقیق اشیا به منظور استخراج ویژگی دقیق بسیار مهم می‌باشد. روش‌ها: در این مقاله، با پردازش تصاویر میکروسکوپی گرفته شده از نمونه‌های حاصل از آسپیراسیون مغز استخوان افراد مبتلا به بیماری لیشمانیازیس احشایی، به کمک روش‌های آستانه‌گذاری اوتسو (Otsu)، ساوولا (Sauvola) و k-میانگین، جسم لیشمن به صورت خودکار بخش‌بندی شد. به منظور جمع‌آوری مجموعه‌ی تصاویر، دوربین عکس‌برداری دیجیتال 9Sony DSC-H متصل به میکروسکوپ نوری 200RF40Olympus-CH استفاده گردید. روش‌های پیشنهادی بر روی 20 تصویر میکروسکوپی آزمایش گردید. جهت شناسایی اجسام لیشمن از بین موارد استخراج شده، برای هر کاندید ویژگی‌های هندسی مانند کشیدگی، نرخ مساحت، گردی، استحکام و ویژگی‌های بافتی مانند میانگین، واریانس، همواری، ممان سوم، یکنواختی و آنتروپی محاسبه شد. سپس با استفاده از طبقه‌بند شبکه‌ی عصبی جلوسو، اجسام موجود به دو گروه سالم و معیوب طبقه‌بندی شدند. یافته‌ها: در هر روش، به منظور یافتن بهترین حالت اجرایی ممکن، مقایسه‌ای صورت گرفت و مشخص گردید که استفاده از سطح پنج برای روش اوتسو، مقدار آستانه 1/0 برای روش ساوولا و تعداد خوشه‌ی پنج برای روش k-میانگین، کمترین میزان خطای استخراج مرز را به دنبال دارند. نتیجه‌گیری: نتایج به دست آمده پس از مقایسه‌ی دستاوردها با نظر پزشک متخصص، نشان داد که روش ساوولا دارای کمترین خطای استخراج مرز و روش اوتسو بهترین روش برای شناسایی جسم لیشمن می‌باشد.

Keywords

• Automatic disease diagnosis
• Visceral leishmaniasis
• Leishman body
• Segmentation
• Border detection