سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
16,200 تومانشناسه فایل: 6685
چکیده
چشم انسان یک اندام حیاتی است که می تواند توسط بسیاری از بیماری ها تحت تاثیر قرار گیرد. یکی از شایع ترین بیماری هایی که افراد بالای 50 سال را تحت تاثیر قرار داده است، دژنراسیون ماکولا یا تباهی لکه زرد (AMD یا ARMD) مربوط به سن است. بیماران در سن پنجاه سالگی یا بیشتر یا کسانی که تحت جراحی آب مروارید یا گلوکوم (آب سیاه) قرار گرفته اند باید سالانه چشم هایشان را معاینه کنند. بازرسی تعداد زیادی از تصاویر فوندوس رنگی را فراهم می کند و حرفه ای های پزشکی به طور دائمی از این عکس ها را با صرف زمان و انرژی ارزشمند به طور دقیق بررسی می کنند. روش های تشخیص و ارزیابی فعلی به صورت دستی، گران و به طور بالقوه ناپیوسته است. بنابراین، اگر وظیفه اولیه تحلیل عکس های شبکیه ای خودکار باشد، این کار مقرون به صرفه و سودمند تر خواهد بود . راه حل پیشنهادی به عنوان سیستم هشدار دهنده اولیه عمل می کند که در آنجا چشم پزشک قادر خواهد بود تا چندین تصویر را در یک دوره کوتاه تجزیه و تحلیل کند و زمان بیشتر را صرف بیمارانی کند که در واقع به دنبال چیز مطلوب از تخصص این پزشکان هستند .
مقدمه مقاله
چشم یک ارگان حیاتی است که به ما حس دیدن می دهد، به ما اجازه می دهد که در مورد دنیای اطراف بیشتر یاد بگیریم، همانطور که با هر چهار حسی دیگر، چشم دچار بیماری هایی می شود که بر دید انسان تاثیر می گذارد. یکی از رایج ترین بیماری ها که بر افراد بیش از 50 سال تاثیر می گذارد، کمتر شدن میدان دید مرتبط با افزایش سن تباهی لکه زرد یا دژنراسیون ماکولا (ARMD) است که با پیری همراه است و به تدریج دید مرکزی چشم را از بین می برد و این که برای دیدن اشیاء به طور شفاف و برای وظایف روزانه معمولی مورد نیاز می باشد . همانطور که این بیماری در مرحله اولیه اش بدون نشانه می باشد ، بیمار از وجود این بیماری مطلع نمی باشد .
تباهی لکه زرد یا دژنراسیون ماکولا ARMD بر دو نوع است: تر (Wet) و خشک (Dry). ARMD خشک در زمانی اتفاق می افتد که سلول های حساس به نور در لکه به آرامی تفکیک گردیده و دید مرکزی در چشم بیمار به تدریج تار می شود . ARMD مرطوب در زمانی رخ می دهد که رگ های خونی غیر عادی در پشت شبکیه در زر لکه رشد می کنند [1] . نوع خشک / آتروفیک تقریبا بر 85 تا 90 درصد افراد دارای ARMD تاثیر می گذارد . این وضعیت دارای علت ناشناخته می باشد و تمایل دارد تا نسبت به نوع مرطوب با سرعت کمتری پیشرفت نماید و راه درمان قطعی مصوب برای ان وجود ندارد . نوع مرطوب / با شکل گیری رگ خون اضافی تقریبا بر 10 تا 15 درصد افراد دارای ARMD تاثیر می گذارد اما تقریبا 90 درصد کل موارد افت بینایی شدید ناشی از بیماری پیش بینی می گردند .
تعداد افرادی که در سن پنجاه سالگی و بیشتر با بیماری ARMD هستند از سال 2000 تا 25 درصد در جهان رشد کرده اند . سازمان بهداشت جهانی بیماری ARMD را در سومین رتبه علت های جهانی نقص بینایی با کوری رایج 8.7 درصد قرار داد . همچنین این سازمان می گوید وقتی جمعیت 50 سال و بیشتر جهان تا تقریبا 30 درصد افزایش یافته بود و این افزایش در جمعیت تعداد افراد تحت تاثیر کوری بالقوه ناشی از بیماری های ARMD ، بیماری شبکیه ای دیابتی و آب سیاه را افزایش داد. (WHO, 2012) بیمارانی که در سن پنجاه سالگی یا بیشتر هستند یا کسانی که تحت جراحی مردمک و گلوکوم قرار گرفته اند بایستی چشم هایشان را تحت بررسی سالانه چشم پزشک قرار دهند تا وضعیت این بیمایی در زمان حال یا پیشرفت اش بررسی گردد . این کار باعث تهیه تعداد بیشماری تصاویر فوندوس می گردد که خلق عکس از سطح درونی چشم می باشد . از اینرو ، حرفه های پزشکی بایستی زمان و انرژی بسیار بیشتری برای بازنگری این تصاویر فوندوس صرف نمایند . روش های جاری آشکارسازی و تخمین ARMD به صورت دستی ، گران و به طور بالقوه ناسازگار می باشد و مستلزم پرسنل آموزش دیده می باشد تا فرآیند را تسهیل نمایند . هزینه بالای بررسی و کمبود چشم پزشکان بویژه در مناطق روستایی از جمله فاکتورهای برجسته ای می باشند که بیماران را از دستیابی به بررسی های منظم محروم می سازند .
بنابراین ، در صورتی که وظیفه اولیه تحلیل کردن عکس های شبکیه ای را بتوان خودکار نمود ، این کار مقرون به صرفه تر و سودمند می باشد . در این روش ، افرادی که از طریق سیستم خودکار کامپیوتری تشخیص داده می شوند که دارای زخم های شبکیه ای اولیه می باشند ، که در شبکیه دارای وضعیت غیر عادی می باشند برای ارزیابی بیشتر به چشم پزشک رجوع می کنند. این کار بیماران بیشتری را محروم خواهد کرد تا در هر سال غربال گری گردن و چشم پزشک ها زمان بیشتری را برای بیمارانی مصرف می کنند که به طور واقعی به دنبال تخصص آنها هستند .
در این مقاله، ما یک روش برای شناسایی خودکار منطقه ماکولا (لکه) پیشنهاد می کنیم و Drusen را در تصاویر فوندوس شبکیه می یابیم . این رویکرد در بخش بعدی به طور کامل شرح داده شده است. در بخش سوم، ما نتایج آزمایشات را در مجموعه داده تصاویر ارائه و با نتایج در بخش چهارم نتیجه گیری می کنیم.
ABSTRACT eOphthalmologist - Intelligent Eye Disease Diagnosis System
The human eye is a vital organ of vision which can be affected by many diseases. One of the most common diseases that have affected people of over 50 years of age is Age Related Macular Degeneration. Patients in their fifties or more or who have undergone surgery for cataract and glaucoma should have their eyes examined annually. Inspection provides a large number of Fundus images and medical professionals has to continually peruse them spending valuable time and energy. Current methods of detection and assessment are manual, expensive and potentially inconsistent. Thus, it would be more cost effective and beneficial if the initial task of analysing retinal photographs is automated. The proposed solution would act as an early warning system, where an ophthalmologist will be able to analyse numerous images within a brief period and spend more time on those patients who are actually in desideratum of their expertise.
Introduction
Eye is a vital organ of vision, which gives us the sense of sight, allowing us to learn more about the surrounding world than we do with any other four senses, There are many diseases which have an impact on the human vision. One of the most common diseases that affect people over 50 years of age is Age Related Macular Degeneration (ARMD), which is associated with aging that gradually destroys the eye’s central vision which is needed for seeing objects clearly and for common daily tasks. As this disease is asymptomatic at its initial stage, the patient is not aware of its presence.
ARMD occurs in 2 forms: wet and dry. Dry ARMD occurs when light- sensitive cells in the macula slowly break down, gradually blurring central vision in the affected eye. Wet ARMD occurs when abnormal blood vessels behind the retina start to grow under the macula [1]. The dry/atrophic type affects approximately 85-90% of individuals with ARMD. Its cause is unknown, it tends to progress more slowly than the wet type, and there is not as of yet an approved treatment or cure. The wet/neovascular type affects approximately 10-15% of individuals with ARMD, but accounts for approximately 90% of all cases of severe vision loss from the disease.
Since 2000, the number of people who are in their fifties and older with ARMD has climbed by 25% around the world. World Health organisation has ranked ARMD third among the global causes of visual impairment with a blindness prevalence of 8.7%.It also says as the population 50 years of age and older has increased by nearly 30% and this increase in the population increases the number of people affected by potentially blinding eye conditions such as ARMD, diabetic retinopathy and glaucoma. (WHO, 2012) Patients who are in their fifties or more or who have gone through a surgery for cataract and glaucoma should have their eyes checked by an ophthalmologist annually to see if macular degeneration is present or progressing. This provides a huge number of fundus images, which is a creation of a photograph of the interior surface of the eye.
Hence medical professionals have to spend much time and energy to review these fundus images. Current methods of detection and assessment of ARMD is manual, expensive and potentially inconsistent and require highly trained personnel to facilitate the process. The high cost of examination and the shortage of ophthalmologists, especially in rural areas, are the prominent factors that hamper patients from obtaining regular examinations.
Thus, it would be more cost effective and helpful if the initial task of analyzing the retinal photographs can be automated. In this way, individuals who are diagnosed by the automatic computer system as having early retinal lesions, which are the abnormality in the retina would be referred to an ophthalmologist for further evaluation. This would sanction more patients to be screened per year and the ophthalmologists to spend more time on those patients who are actually in desideratum of their expertise.
In this paper, we propose a method to automatically detect the macula area and find the drusens in retinal fundus images. The approach is fully described in the next section.
In Section III, we present the results of our experiments on a dataset of some images and conclude the findings in Section IV.
- مقاله درمورد سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- روش تشخیص ARMD (تباهی لکه زرد) در چشم پزشک الکترونیکی
- eOpthalmologist-سیستم هوشمند تشخیص بیماری چشم
- پروژه دانشجویی سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- چشم پزشک الکترونیکی و سیستم تشخیص هوشمند بیماری چشم
- پایان نامه در مورد سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- تحقیق درباره سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- مقاله دانشجویی سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی در قالب پايان‌نامه
- پروپوزال در مورد سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- گزارش سمینار در مورد سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی
- گزارش کارورزی درباره سیستم هوشمند تشخیص بیماری چشم (دژنراسیون ماکولا ARMD) در چشم پزشک الکترونیکی