يك روش كارآمد براي طبقه‌بندي چندكلاسه‌ي خودكار تصاوير SD-OCT چشم انسان بر پايه‌ي استخراج لايه‌ي RNFL و پيوند IS/OS شبكيه و الگوريتم درخت تصميم تركيبي

بررسي شهودي لايه‌هاي شبكيه در تصاوير برش‌نگاري همدوسي اپتيكي حوزه‌ي طيف (SD OCT) يكي از روش‌هاي اصلي مورد استفاده‌ي پزشكان براي تشخيص بيماري‌هاي شبكيه است. اين روش با چالش‌هايي مانند نويز، پيچيدگي تصاوير و نزديكي لايه‌ّهاي شبكيه مواجه مي‌باشد. در سال‌هاي اخير تشخيص خودكار بيماري‌هاي شبكيه‌ي چشم به يكي از موضوعات مهم باليني در حوزه‌ي بينايي كامپيوتر تبديل شده است. در اين تحقيق روشي جديد براي طبقه‌بندي كارآمد چندكلاسه‌ي خودكار تصاوير SD OCT ارائه شده كه متشكل از پنج مرحله‌ي پيش‌پردازش، تشخيص لايه‌ها، استخراج ويژگي‌ها، كاهش بعد، و طبقه‌بندي تصوير است. بررسي شكل لايه‌ي RNFL و پيوند IS/OS به عنوان روشي باليني در تصميم‌گيري‌هاي پزشكان براي تشخيص بيماري‌هاي شبكيه موثر است. از اين رو در اين پژوهش با الهام از اين روش تشخيص باليني، لايه‌ي RNFL و پيوند IS/OS توسط روشي جديد مبتني بر الگوريتم بهبود رگ فرنگي و گراديان تصوير تشخيص داده شده است. سپس با استخراج و انتخاب انواعي از ويژگي‌هاي موثر از لايه‌ها، الگوريتمي بر پايه‌ي درخت تصميم تركيبي براي طبقه‌بندي تصاوير شبكيه پيشنهاد شده و در قالب يك نرم‌افزار كاربردي در متلب ارائه شده است. روش پيشنهادي روي تصاوير دو پايگاه داده‌ي شناخته شده‌ي دوك و كرمني ارزيابي شده است. بر اساس ‌نتايج، دقت، حساسيت، اختصاصيت، درستي، نرخ منفي نادرست و معيار F1 روش پيشنهادي در پايگاه داده‌ي دوك به ترتيب برابر با 98.7، 98.8، 99.4، 99.1، 1.3 و 98.7 درصد و در پايگاه كرمني به ترتيب برابر با 96.8، 96.7، 98.9، 98.4، 3.2 و 96.7 درصد است. نتايج نشان‌دهنده‌ي برتري روش پيشنهادي در مقايسه با ساير روش‌هاي مقايسه‌اي است. در مجموع به كارگيري ويژگي‌هاي كارآمد از لايه‌هاي تاثيرگذار شبكيه و توانمندي روش طبقه‌بندي، موجب ارتقاي عمل‌كرد روش پيشنهادي در مقايسه با روش‌هاي پيچيده‌تر پيشين شده است.