چکیده
مقدمه:
شبکیه یک ارگان مهم بدن و مسیول تامین بینایی برای انسان است. Hyper reflective foci یک ناهنجاری مهم است که می تواند نشانه ای از ابتلا به بیماریهای مهم شبکیه یا پیشروی بیماری از مرحله ای به مرحله حادتر باشد. تصویربرداری OCT یک روش غیرتهاجمی برای ارزیابی وضعیت شبکیه است. بررسی دستی این تصاویر زمانبر و همراه با خطا است.لذا در این طرح پژوهشی هدف آن است که به صورت اتوماتیک ناهنجاری ذکر شده شناسایی شود.
روش‌پژوهش:
روش مورد استفاده بر مبنای یادگیری ماشین کار می کند. ابتدا تصاویر به پنجره هایی مربع شکلی تقسیم می شود. بعد از آن مجموعه ای از پنجره های حاوی ناهنجاری و پنجره های سالم برای آموزش طبقه بند مورد استفاده قرار می گیرد. از هر پنجره یک بردار ویژگی استخراج می شود. این بردار ویژگی بر اساس آنالیز دقیق بافت تصویر به دست می آید. در مرحله بعد از طبقه بند آموزش دیده برای برچسب گذاری بر روی تمام پنجره های تصویر استفاده می شود.
یافتهها:
با تحلیل دقیق بافت تصویر در محل ناهنجاری می توان بردار ویژگی مناسب جهت تفکیک مناطق نرمال از غیر نرمال استخراج کرد.
نتیجهگیری:
ویژگی های مبتنی بر بافت و شدت نور پیکسل ها در تصویر و استفاده از آنها در طبقه بندهای یادگیری ماشین می تواند در تفکیک مناطق نرمال و ناهنجاری مفید واقع شود.