انتقال طیف رنگی؛ روشی نوین در کپسول های آندوسکوپی
کپسول آندوسکوپی یک تکنولوژی جدید، راحت و دقیق برای شناسایی و آسیب شناسی در بیماری های کوچک شکمی است که این بیماری ها شامل خونریزی های معدی-روده ای نیز است.
در این مقاله روشی جدید برای آشکار سازی مناطقی که دچار خونریزی است، به صورت خودکار و به وسیله کپسول آندوسکوپی جدید، با شاخص ها و ویژگی های نو و قدرت عملکرد بالا ارائه می شود.
کپسول آندوسکوپی در هر ثانیه ۳ تصویر برای گیرنده ارسال می کند بعد از حدود ۱۰ ساعت ، ۱۰۰۰۰۰ تصویر در گیرنده به ثبت رسیده است .
دیدن این تعداد زیاد تصویر قدرت تشخیص متخصصان بالینی را به مقدار زیادی افزایش می‌دهد. در این مقاله تکنیکی برای آشکار سازی اتوماتیک مناطق دچار خونریزی با استفاده از روش تبدیل طیف های رنگی و فیلترینگ تصویر بر اساس ظاهر آن ارائه می‌شود. همچنین می توانیم محل دقیق خونریزی را به صورت Real-time در طول آشکار سازی از طریق تصویرهای پیاپی بیابیم.
کـپـسـول آنـدوسکوپی می تواند یک اندام یا عـــضــــو گــــوارشــــی را بــــا اســتــفــــاده از روشــــی غیر‌تهاجمی و بدون ضرر مشاهده کند. کپسول آنـدوسکوپی فقط دارای یک دوربین کوچک، فـلاش و یـک فـرسـتـنـده اسـت. بـر خـلاف دیـگـر نمونه‌های موجود از قبیل enteroscopyفرو رونده و آندوسکوپی معدی-روده ای ( شکل ۱٫)
کـپـســول آنــدوسـکــوپــی بــه مـا ایـن امکـان را مــی‌دهــد کــه بـتــوانـیـم بـدون هـیـچ گـونـه ایـجـاد مزاحمتی برای بدن، کل معده و روده را ببینیم . کـپـســول آنــدوسـکــوپــی بــدون سـیــم، تـصــاویـر مختلفی را از نقاط و محدوده های کوچک امعاء درونی شکم مخابره می کند و بدین ترتیب به ابـزاری بـسـیـار مـهـم در تـشخیص بیماری های شکمی تبدیل شده است .
شـکـل و ویـژگـی هـای خـونـریـزی در انـدام هـای گوارشی متفاوت است ،شکل ۲ نمونه‌هایی از خونریزی ها را نشان می دهد . همچنین لازم است بدانید، خون ناشی از خونریزی معمولا دچار تغییر شکل می شود .
از آنجا که خون ناشی از خونریزی معمولا دچار تغییر شکل می شود، آشکار ساختن تـصـویـرهـای نـواحـی دارای خـونـریـزی در کـپـسـول آندوسکوپی با مشکلات زیادی روبـرواسـت. در ایـن مـقـالـه روشـی نـویـن بـرای آشـکـار سـازی خـونـریزی مخصوصاّ خونریزی‌های فعال با استفاده از تبدیل طیف های رنگی پیشنهاد می شود.
روش ها و ساختار ها
الف ) جمع آوری اطلاعات
تصاویر کپسول آندوسکوپی که در این تحقیق استفاده شده مربوط است به اطلاعات بالینی Mirocam که توسط شرکت Intromedic ساخته شده است.
تقـریبـاّ در طـول ۸ تـا ۱۰ سـاعـت حدود ۱۰۰۰۰ تصویر از هر فرد گرفته می شود، ما از هزار تصویر پیاپی برای یک بیمارعادی و ۱۰۰۰ تصویر پیاپی برای یک بیمار غیر عادی که دارای خونریزی فعال در ناحیه روده و معده است استفاده می کنیم .
ب ) روش آشکار سازی خونریزی فعال
روش پــیـشـنـهـــادی بـــرای مـشـخـــص کـــردن خونریزی در نواحی معده و روده به سه مرحله زیر تقسیم می شود :
مرحله ۱ : تعدیل روشنایی
مرحله ۲ : تبدیل طیف های رنگی
مرحله ۳ : فیلترینگ بر اساس شکل ظاهری
مرحله ۱ :
الف) گاهی به دلیل کمبود نیروی الکتریکی در مـنـاطـق روشـن شـده،کـیـفـیـت تـصـاویـر کـپـسول آنـــدوســکــوپــی از تـصــاویــر تـهـیــه شــده تــوســط نـمـونـههـای مـعـمـولـی دارای سـیم کمتر است و هـمـچـنـیـن روشـنـایـی یـکـنـواخـتـی ندارد، در این صورت برای ما خیلی سخت است که تشخیص بدهیم در مناطقی که به این دلایل تاریک شده است بیماری وجود دارد یا نه .
بر اساس یک سری پیش پردازش ها مناطق دارای روشنایی غیر یکنواخت طبق پروسه ای پردازشی حذف می شوند وحاصل این پردازش را در شکل ۴ می توانیم ببینیم.
قسمت a در شکل شماره ۴ تصویر اصلی و قسمت b ، تصویر را بعد از اجرای مرحله ۱ نشان می دهد. در قسمت b شکل ۴ ،پیکسل مناطق تـاریـک و روشـن بـه صفر می رسد ولی مناطق خونریزی کرده در طول این فرایند نمی توانند تغییر کنند .
ب ) تنظیم شدت
برای تنظیم کردن روشنایی تصاویر کپسول آندوسکوپی باید شدت آن را اصلاح کنیم، بنابراین بعد از اینکه ۵% از مقدار شدت از بین رفت کل مقدار شدت با مراجعه به یک جدول از پیش تعیین شده تعدیل می شود .
مرحله ۲ :
در این سیستم از تبدیلات طیف های رنگی استفاده می شود . برای تقسیم نواحی به دو قسمت دارای خونریزی و عادی بعد از فرایند مرحله ۱، اکنون در مرحله ۲ مناطق دارای خونریزی طبق معادلات زیر تقسیم بندی می شوند :
(R(i,j) + G(i,j) +B(i,j) + P)2R(i,j)/K1I transform=K
در معادله فوق در آزمایشات ابتدایی مقدار P را ۱۰ قرار داده ایم . اگر از نوع دیگری از کپسول آندوسکوپی استفاده کنیم پارامتر P می تواند مقادیر دیگری را اختیار کند .
شکل شماره ۵ ، I transform و نمودار ستونی طیف آن را نشان می دهد .
اکنون می توانیم در شکل ۵ مرزی را برای تقسیم بندی مناطق ، به دو قسمت عادی و دارای خونریزی پیدا کنیم .این روش برای جدا کردن نقاط با پیکسل بالا در نمودار ستونی و منطقه دچار خونریزی در کل تصویر I transform به کار می‌رود. می توانیم این مرز را در نتایج آزمایشات پیشین که از ۱۰۰ تصویر تصادفی استفاده کرده‌ایم مساوی ۷۷/۰ قرار دهیم که این مقدار آستانه ای می تواند برای همه تصویر ها مناسب باشد ولی اگر از نوع دیگری از کپسول آندوسکوپی استفاده کنیم، این مقدار به ناچار دچار تغییر می‌شود. شکل شماره ۶ نتیجه را نشان می دهد .
مرحله سوم : فرایند فیلترینگ بر اساس شکل ظاهری
در قسمت b شکل ۶ چند لکه کوچک اضافی دیده می شود که ما آن ها را به عنوان فاکتورهای اختلالی تعریف می کنیم چون مناطق دچار خونریزی واقعی به عنوان پیکسل جدا یا مناطق کوچکی از تصویر نمایان نمی شوند پس اگر لکه ای در تصویر پیدا کردیم باید مناطقی را که به طور صحیح آشکار سازی نشده اند فیلتر کنیم . بعضی از لکه‌های سفید اگر از محدوده مشخص شده کمتر باشند فیلتر می شوند که ما ۵ پیکسل را به عنوان حد آستانه قرار داده ایم .
با چشم غیر مسلح نمی توان این اختلال ها را شناسایی کرد حتی اگر اندازه مناطق خونریزی کرده کمتر از ۵ پیکسل باشد . تصویر ۷ ، تصویر نهایی را بعد از فیلترینگ نشان می دهد .
نتایج به دست آمده
تصویر شماره ۸ نتایج آزمایشات را نشان می دهد ؛ طی دو مرحله دادن اطلاعات، این روش را آزموده ایم ،هر کدام از این اطلاعات ورودی از ۱۰۰۰ تصویر متوالی تشکیل شده‌اند که اطلاعات ۱ مربوط به یک فرد نرمال و اطلاعات ۲ ، مربوط است به یک فرد غیر‌عادی که در نواحی روده یا معده خونریزی فعال دارد .
در شکل ۸، محور عرضی نشان دهنده تعداد تصویر ها و محور عمودی نشان دهنده ناحیه دارای خونریزی است .
نتایج حاصل از آزمایشات نشان می دهند که روش پیشنهادی در این مقاله ، درصد حسـاسیـت بـالایـی دارد و در حـدود %۸۶/۹۲ اسـت کـامـلا اختصـاصی عمل می کند % (۴۹/۸۹) .
دلایل نو بودن روش استفاده شده
برای اولین بار در این مقاله از روش تبدیل طیف های مرئی برای آشکار سازی مناطق خونریزی کرده استفاده شد .
اگـرچـه در بعضـی از پـژوهـش هـای دیگـر از تصـویـر هـای نـاپیوسته برای یافتن خونریزی استفاده شده است ولی ما در این تحقیق از تصویر های پیوسته و متوالی برای رسیدن به هدف فوق استفاده کرده ایم .
در استفاده از کپسول آندوسکوپی برای اهداف بالینی ، شناسایی مکان بیماری خیلی مهم تر از آشکار سازی دقیق و صحیح مناطق دارای خونریزی است
