کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6920816 864433 2016 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Edge density based automatic detection of inflammation in colonoscopy videos
ترجمه فارسی عنوان
تشخیص خودکار التهاب لبه ها در فیلم های کولونوسکوپی بر اساس چگالی لبه
کلمات کلیدی
کولونوسکوپی، التهاب بافت، تشخیص خودکار،
ترجمه چکیده
سرطان کولون یکی از کشنده ترین بیماری ها است که در آن تشخیص زود هنگام می تواند طول عمر و طول عمر خود را افزایش دهد. بیماری ابتدای مرحله معمولا با پولیپ و التهاب مخاطی همراه است. ابزارهای تشخیصی که اغلب مورد استفاده قرار می گیرند، بر روی فیلم های با کیفیت بالا به دست آمده از کولونوسکوپی یا آندوسکوپ کپسول متکی هستند. تکنیک های پردازش تصویر پیشرفته ای از تجزیه و تحلیل تصویر برای تشخیص خودکار ناهنجاری ها از روش های شبکه های عصبی و آمار استفاده می کنند. در این مقاله، یک رویکرد مبتنی بر مدل جایگزین ساده با استفاده از تحلیل بافت مورد بررسی قرار گرفتیم. این روش به راحتی می تواند در حالت پردازش موازی برای برنامه های کاربردی در زمان واقعی اجرا شود. یک بافت مشخصه از بافت التهابی برای تشخیص بین بافت های التهابی و سالم استفاده می شود، در حالیکه یک هسته فیلتر مناسب پیشنهاد و اجرا شده است تا بتواند این بافت خاص را شناسایی کند. روش اولیه برای از بین بردن اثر عروق خونی موجود در قسمت پایین روده نزولی بهبود یافته است. هر دو روش روش پیشنهادی به طور دقیق شرح داده شده و در دو آزمایش مختلف کامپیوتری مورد آزمایش قرار گرفتند. نتایج ما نشان می دهد که منطقه التهابی در زمان واقعی با دقت بیش از 84٪ تشخیص داده می شود. علاوه بر این، مطالعه تجربی نشان داد که ممکن است بخش های خاصی از فریم های ویدئویی حاوی التهاب را با دقت تشخیص بالاتر از 90٪ شناسایی کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
تشخیص خودکار التهاب لبه ها در فیلم های کولونوسکوپی بر اساس چگالی لبه
چکیده انگلیسی
Colon cancer is one of the deadliest diseases where early detection can prolong life and can increase the survival rates. The early stage disease is typically associated with polyps and mucosa inflammation. The often used diagnostic tools rely on high quality videos obtained from colonoscopy or capsule endoscope. The state-of-the-art image processing techniques of video analysis for automatic detection of anomalies use statistical and neural network methods. In this paper, we investigated a simple alternative model-based approach using texture analysis. The method can easily be implemented in parallel processing mode for real-time applications. A characteristic texture of inflamed tissue is used to distinguish between inflammatory and healthy tissues, where an appropriate filter kernel was proposed and implemented to efficiently detect this specific texture. The basic method is further improved to eliminate the effect of blood vessels present in the lower part of the descending colon. Both approaches of the proposed method were described in detail and tested in two different computer experiments. Our results show that the inflammatory region can be detected in real-time with an accuracy of over 84%. Furthermore, the experimental study showed that it is possible to detect certain segments of video frames containing inflammations with the detection accuracy above 90%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Biology and Medicine - Volume 72, 1 May 2016, Pages 138-150
نویسندگان
, , , , , ,