عنوان پایان‌نامه
پردازش تصاویر درون رگی OCT به منظور تشخیص بیماریهای مرتبط با گرفتگی رگ
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1598;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 41701
- تاریخ دفاع
- ۱۲ مرداد ۱۳۸۸
- دانشجو
- نرگس افشم
- استاد راهنما
- سیدکمال الدین ستاره دان
- چکیده
- گرفتگی عروق قلبی و عوارض ناشی از آن، یکی از عوامل پیشتاز مرگ و میر در دنیای صنعتی امروز به شمار می¬رود. تغییرات و پیچیدگی انواع این رسوبات، تشخیص نوع و میزان پیشرفت این ضایعه را مشکل¬تر می سازد. عمولاً رسوباتی از جنس کلسیم، فایبروز و چربی بین دیواره داخلی و خارجی رگ تجمع می¬یابند و حملات حاد قلبی، به دلیل حضور این رسوبات ناپایدار در محل نازک¬شدگی دیواره رگ رخ می¬دهند. Optical Coherence Tomography (OCT) روش تصویربرداری مبتنی بر امواج نوری مادون قرمز نزدیک است که تصاویر مقطعی در آن با اندازه گیری نور بازگشتی از بافت ها ایجاد می شوند. این روش، نسلِ نوری تصویر¬برداری با امواج فرا¬صوتی است. در تصویربرداری فراصوتی، با اندازه گیری اختلاف زمان سیگنال بازگشتی و سیگنال مرجع، محلی که سیگنال فراصوتی از آنجا بازتاب شده محاسبه می شود؛ حال آنکه در سیستم OCT، عمق نفوذ نور پخش شده به وسیله تداخل سنجی سیگنال بازگشتی و سیگنال منبع نوری محاسبه می شود. از آن جا که مهم ترین خصوصیاتی که احتمال گسست یک رسوب درون¬رگی را معیّن می کنند جنس رسوب و میزان نازک شدگی دیواره خارجی رگ است، تصویر برداری درون¬رگی OCT مناسب¬ترین روش در راستای یافتن چنین خصوصیاتی است. زیرا به دلیل دقت مکانی بالای تصاویر OCT، خصوصیات پاتولوژیکی بافت¬ها با دقت بیشتری قابل بازیابی هستند. همچنین سایز کوچکتر فرستنده درون¬رگی آن خطرات احتمالی مانند پارگی رگ هنگام تصویربرداری را کاهش می دهد. با توجه به گسترش تصویربرداری OCT و به ویژه در حوزه تصویربرداری درون¬رگی، پردازش کمّی تصاویر درون¬رگی OCT یکی از پیامد های اجتناب ناپذیر این پیشرفت بوده است. هدف از این پایان¬نامه پردازش تصاویر درون¬رگی OCT به منظور یافتن اطلاعاتی از جمله محل نازک¬شدگی رگ و جنس رسوبات است که به پزشک در امر تشخیص و درمان کمک می¬کند. به منظور یافتن نازک¬شدگی در رگ ابتدا باید مرزهای داخلی و خارجی دیواره رگ از تصویر استخراج شوند. اما وجود نویز اسپکل این امر را دشوار می¬سازد. در روش پیشنهادی برای نویززدایی با استفاده از معادلات حاکم بر سیگنال OCT، موجک مناسب بر اساس ESpline ها طراحی شده است. در نتیجه علاوه بر به کارگیری خواص مطلوب پردازش¬های چند مقیاسی، توابع پایه¬ای مختصّ پردازشِ سیگنالOCT، بر اساس خصوصیات منحصر به فرد آن تولید می¬شود. به علاوه چون این روش بر روی سیگنال استخراجی از تصویر اعمال می¬شود، در مقایسه با سایر روش¬های متداول، لبه‌ها را بهتر حفظ می‌کند. با این وجود زمان¬بر بودن آن از ضعف¬هایش محسوب می¬شود. پس از نویززدایی نوبت به استخراج مرزهای رگ می¬رسد. برخلاف دیواره داخلی، استخراج دیواره خارجی رگ، به دلیل پخش¬شدگی زیاد، امری چالش برانگیز است. در این پایان نامه مرزهای خارجی با استفاده از مدل¬های شکل¬پذیر پارامتری به دست می¬¬آیند و ازGVF وVFC به عنوان نیروهای کنترل کننده مرز شکل پذیر به منظور افزایش دقت استفاده شده¬است. مقاومت در برابر نویز و امکان پر کردن نقاطی از مرز که وجود ندارند، از پیامدهای چنین کاربردی است. در این پایان نامه ویژگی های بافتی هارالیک، ممان های زرنیک، خصوصیات ریختی و ویژگی های آماری به عنوان ویژگی¬های استخراجی، به منظور طبقه بندی جنس رسوبات به کار گرفته ¬شده¬اند. در روش پیشنهادی طبقه بندی، ابتدا تصویر در فضای موجک تجزیه شده و در هر زیرباند طبقه¬بندی SVM صورت می¬گیرد. سپس یک تصمیم¬گیری عمومی در مورد طبقه نهایی، براساس الگوریتم وزن¬دهی نتایج محلی با توجه به دقت آن زیرباند در تشخیص صحیح طبقه، انجام می¬پذیرد. نتایج حاصل از این طبقه¬بندی در مقایسه با شبکه عصبی MLP و SVM، از خود برتری نشان داده¬است. زیرا در این ساختار پیشنهادی امکان آن وجود دارد که طبقه بندی در هر زیرباند به طور مستقل صورت گیرد و هر زیرباند اثر مستقیم خود را در تصمیم گیری نهایی داشته باشد.
- Abstract
- Abstract One of the leading causes of mortality in the developed countries is atherosclerosis. The variability, complexity, and dynamic nature of the atherosclerotic plaques and the interaction between various cell types within a plaque impede the determination, progression, and the outcome of the disease. Clinically, typical plaque types include calcium, fibrous, and lipid rich, which pile up between inner and outer layers of arteries. Lesion components respond differently to pharmaceutical and interventional therapies; therefore detecting various tissue and plaque types is of paramount importance. Optical Coherence Tomography (OCT) is an imaging technique based on near infrared optical waves in which images are constructed according to reflected waves from the tissue. This method is the optical version of ultrasound imaging. In ultrasound imaging, location of ultrasound reflections is determined by measuring the time difference between the reflected signal and the reference signal. While in OCT imaging, penetration depth of the diffused optical wave is determined by the interferometry of reflected signal and the reference signal. Since the tissue type and TCFA (Thin Cap Fibroatheroma) determine the vulnerability of a plaque, OCT is capable of revealing these characters due to its promising axial resolution. Moreover, in the intravascular case of OCT small catheter size decreases the risk of vessel rupture during imaging. Quantitative analysis of OCT images is one of the indispensable consequences of technological OCT improvements. The main goals of this thesis are the detection of TCFA and accurate characterization of plaque lesions that helps to choose the appropriate clinical intervention and to assess the effects of therapy. The first step toward finding TCFA is the border detection in intravascular OCT images; however, the existence of speckle noise makes it complicated. In our proposed method for noise reduction, we have made use of potential properties of the wavelet-like domain for signal processing. The basis functions are constructed based on differential equations like ESplines. In this manner, the bases are dedicatedly designed for OCT signals. Besides, noise reduction is applied on extracted OCT signal from image; so it yields the edge preservation as well as noise reduction. The major deficiency of this method is its nearly high computational cost. After noise reduction, the borders can be extracted more easily. Despite the inner border extraction, detection of outer border is a challenging task for the reason of being highly diffused. Parametric deformable models are our choice for tackling this task. Deformations of these active models are constrained by external forces GVF (Gradient Vector Flow) and VFC (Vector Field Convolution) to improve the accuracy of the result. Large capture range and robustness to speckle noise are the advantages of using these external forces. Haralick textures, Zernike moments, statistical and morphological features are extracted from OCT images for tissue texture classification. The main contribution of this thesis in the classification phase is the combination of multiresolution analysis and SVM (Support Vector Machine). After decomposition of the image into two levels, an SVM classifier is performed in each subband. The final decision is constructed from a weighting sum of each local result based on its ACCR (Average Correct Classification Rate). This proposed method has shown higher accuracy of calcium, fibrous, and lipid rich plaque classification in comparison with MLP (Multi-Layer Perceptron) neural network and traditional SVM. Keywords: OCT Imaging, Speckle Noise Reduction, ESplines, Active Parametric Models (Snakes), SVM
