skip to main content
Language:
Search Limited to: Search Limited to: Resource type Show Results with: Show Results with: Search type Index

شناسایی و طبقه‌بندی خودکار نواحی خونریزی مغزی با استفاده از ماشین بردار پشتیبان چند کلاسه در تصاویر سی‌ تی اسکن

Majallah-i dānishkadah-i pizishkī-i Iṣfahān. (Online), 2014-07, Vol.32 (284), p.631-646

ISSN: 1027-7595 ;EISSN: 1735-854X

Full text available

Citations Cited by
  • Title:
    شناسایی و طبقه‌بندی خودکار نواحی خونریزی مغزی با استفاده از ماشین بردار پشتیبان چند کلاسه در تصاویر سی‌ تی اسکن
  • Author: Bahareh Shahangian ; Hossein Pourghassem
  • Subjects: Brain hemorrhage ; Genetic algorithm ; k-nearest neighbors (kNN) classifier ; Segmentation ; Support vector machines (SVM) classifier
  • Is Part Of: Majallah-i dānishkadah-i pizishkī-i Iṣfahān. (Online), 2014-07, Vol.32 (284), p.631-646
  • Description: مقدمه: خونریزی مغزی ناشی از ضربه به سر، یکی از عوامل شایع مرگ و میر می‌باشد. 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 طبقه‌بندی نواحی خونریزی مغزی به منظور ارتقای دقت و سرعت تصمیم‌گیری پزشک معرفی شده است. روش‌ها: ابتدا از یک روش ناحیه‌بندی برای شناسایی و جداسازی خونریزی از سایر قسمت‌های مغز استفاده شد. پس از آن به استخراج ویژگی‌های گوناگون از هر ناحیه‌ی خونریزی پرداخته شد و سپس با کمک الگوریتم ژنتیک، بهترین آن‌ها جهت تحویل به یک طبقه‌بند انتخاب گردیدند. تصاویر مورد استفاده در این تحقیق، از دستگاه سی تی اسکن بیمارستان کاشانی جمع‌آوری شدند و مربوط به 70 بیمار زن و مرد بین گروه سنی 60-15 سال بودند. این افراد، مشکوک به خونریزی‌های اپی‌دورال، ساب‌دورال، اینتراسربرال، داخل بطنی و یا بدون خونریزی (سالم) بودند. یافته‌ها: با استفاده از روش شناسایی و طبقه‌بندی 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 بقیه‌ی انواع خونریزی جدا شد. در مرحله‌ی طبقه‌بندی، صحت طبقه‌بندی و تشخیص نوع هر یک از انواع خونریزی 13/94 درصد به دست آمد. نتیجه‌گیری: در این مقاله، یک روش مستقل و خودکار شناسایی و طبقه‌بندی خونریزی مغزی ارایه شده است. روش ارایه شده تلاشی در جهت ارتقای دقت تشخیص پزشکان و تسریع تصمیم‌گیری آن‌ها 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 آن‌ها طبقه‌بندی شدند که از این طریق، فرایند درمان بیماران مبتلا به ضربه‌ی مغزی تسریع می‌گردد.
  • Publisher: Isfahan University of Medical Sciences
  • Language: Persian
  • Identifier: ISSN: 1027-7595
    EISSN: 1735-854X
  • Source: DOAJ Directory of Open Access Journals
Back to results list
Go to Previous pagePrevious Result  16 NextGo to Next page
INSPIRE LIBRARY - TON DUC THANG UNIVERSITY (84-028) 37 755 057 Feedback
19 Nguyen Huu Tho St. Dist.7, HCM thuvien@tdtu.edu.vn

Copyright © 2017 INSPIRE LIBRARY - TON DUC THANG UNIVERSITY

Searching Remote Databases, Please Wait