استفاده از الگوریتم برنامه‌نویسی پویا برای تشخیص اتوماتیک مرز کروئید در تصاویر edioct

مقدمه: از enhanced depth imaging optical coherence tomography (edi-oct) برای تصویرگیری دقیق از لایه‌ی کروئید، که شامل بالاترین میزان جریان خون در چشم است و در بیماری‌های متعددی مانند پولیپ کروئیدی، تومور کروئیدی و تغییرات آرترو اسکلروتیک مویرگی تحت تاثیر قرار می‌گیرد، استفاده می‌گردد. از آن جایی که حجم زیادی از اطلاعات در چنین تصاویری نهفته است، تحلیل غیر اتوماتیک این داده‌ها برای چشم پزشک در حد ناممکن می‌باشد. هدف اصلی برای بخش‌بندی اتوماتیک این تصاویر، کمک به چشم پزشکان در تشخیص بیماری‌های وابسته به چشم بود. روش‌ها: داده‌های این طرح شامل داده‌های اخذ شده از دستگاه heidelberg 3d oct-hra2-kt بود. برای بررسی الگوریتم از 50 داده استفاده شد. سپس، با استفاده از الگوریتم تشخیص مرزی، به عنوان برنامه‌نویسی پویا، مرز لایه‌ی اپیتلیوم رنگدانه‌ای شبکیه (rpe یا retinal pigmented epithelium) و با پیدا کردن بیشینه‌ی گرادیان در پایین این لایه، مرز bm (bruch’s membrane) استخراج شد. در مرحله‌ی بعد، با به کار گیری مجدد الگوریتم برنامه‌نویسی پویا مرز کروئید استخراج گردید. یافته‌ها: الگوریتم پیشنهادی در مقایسه با تفکیک دستی برای استخراج bm دارای خطای بدون علامت برابر با 0.91 ± 1.71 پیکسل و برای استخراج کروئید دارای خطایی برابر 4.11 ± 10.48 پیکسل بود. برای ارزیابی، روش پیشنهادی با الگوریتم k متوسط مقایسه شد که با میزان p بسیار کوچکتر از 0.001 بهبود چشمگیری را نشان داد. نتیجه‌گیری: تا کنون آنالیزهای اتوماتیک زیادی در زمینه‌ی تفکیک کروئید ارائه نشده است و روش‌های انجام شده به طور عمده بر روی تفکیک دستی متمرکز شده‌اند. در صورتی که در این مطالعه، از یک روش سریع و اتوماتیک برای تفکیک ناحیه‌ی کروئید استفاده شد.