اندازه گیری دور سر نوزاد با استفاده از تکنیکهای یادگیری عمیق
اندازه گیری دور سر نوزادان و پایش روند رشد دور سر، نقش مهمی را در تشخیص برخی بیماری ها ایفا می کند. با توجه به مشکلات اندازه گیری تماسی از قبیل انتقال بیماری، عفونت و راحت نبودن نوزاد در هنگام اندازه گیری، رفتن به سوی اندازه گیری های غیر تماسی امری اجتناب ناپذیر می باشد. هدف از این پژوهش، ارائه روشی غیر تماسی و تصویر مبنا به منظور اندازه گیری دور سر نوزاد می باشد. در این پژوهش الگوریتمی ارائه شد که دور سر نوزاد را با استفاده از یک تصویر گرفته شده از بالای سر نوزاد و شاخص مقیاس موجود در کنار سر محاسبه می نماید. گام اول در محاسبه محیط سر، شناسایی و قطعه بندی سر نوزاد در تصویر می باشد که در این پژوهش از دو روش MaskR-CNN و CRF-RNN برای شناسایی و قطعه بندی سر نوزاد استفاده شد. بعدازآن پیکسل های تشکیل دهنده دور سر، با ترکیب الگوریتم لبه یاب Canny و الگوریتم های ریخت شناسی در تصویر مشخص شد. در مرحله بعد رزولوشن مکانی پیکسل ها در واقعیت، با توجه به برچسب مقیاس موجود در تصویر محاسبه شد. درنهایت با توجه به رزولوشن مکانی به دست آمده و تعداد پیکسل های تشکیل دهنده دور سر، محیط سر محاسبه شد. ارزیابی ها نشان می دهد که روش MaskR_CNN با دقت کلی 8/98 درصد روش مناسب تری از روش CRF-RNN برای شناسایی و قطعه بندی سر در تصویر می باشد. همچنین با مقایسه نتایج به دست آمده از الگوریتم ارائه شده، با مقادیر واقعی به دست آمده به وسیله متر نواری بر روی 10 تصویر، مشخص شد خطای روش ارائه شده در حدود 1 تا 3 درصد می باشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.