تشخیص بیماری با ایریدولوژی

تشخیص دقیق بیماری با ایریدولوژی

در این مقاله قصد داریم در مورد علم ایریدولوژی و روش تشخص بیماری ها با استفاده از این علم توضیحاتی خدمت شما دهیم، در واقع مشاهده کردیم در وب سایت های زیاد فارسی مقالاتی در مورد علم ایریدولوژی نوشته شده که کاملا توضیحات اشتباه و دور از یک پاسخ صحیح میباشند و در واقع شما با خواندن همچین مقاله هایی اطلاعات نادرست از این علم در ذهنتان میماند، پس تصمیم گرفتم بهترین اطلاعات برای علم ایریدولوژی را در این مقاله به شما ارائه دهیم.

مقدمه تشخیص بیماری با ایریدولوژی

در سالهای گذشته مطالعات گستردهای در زمینه ایریدولوژی و تشخیص بیماری به واسطه پردازش تصویر عنبیه صورت گرفته است و از آنجاکه تشخیص عنبیه نیز بخشی از کارهای تحقیقاتی در زمینه تشخیص بیماری بر مبنای علم ایریدولوژی هست، سوابق گذشته به دو بخش تقسیم میشود که برخی از آنها در زمینه تشخیص عنبیه هست و برخی دیگر در زمینه تشخیص بیماری است.

در همین راستا ابتدا کارهای انجام شده در رابطه با تشخیص عنبیه به طور خلاصه بیان میشود و سپس به طور اجمالی پژوهشها در مورد تشخیص بیماری بیان میشود. در سال ۲۰۰۴ ،داگمان یک رویکرد قوی به نام انتگرال دیفرانسیل اپراتور برای استخراج مرزهای عنبیه و صلبیه چشم پیشنهاد کرده است.

روش اول تشخیص مرز عنبیه در ایریدولوژی

یکی دیگر از روش کافی و معروف برای تشخیص مرز عنبیه توسط Wildes معرفی شد که در آن او از تجزیه و تحلیل لبه های گرد چشم با استفاده از تبدیل هاف برای تشخیص مرز های تصویر چشم استفاده کرده است. در سال 2008 گروه NICE بهترین روش را توسط تن و همکاران بر اساس خوشه بندی و بر اساس ویژگی محلی سازی عنبیه پس از حذف بازتاب قبلی ارائه کرد. مرحله بعدی پاالیش عنبیه و مردمک با استفاده از عملگرهای دیفرانسیل و انتگرالگیری هست. درنهایت پیشبینی و انحنای مدلهای یاد گرفته شده، برای مقابله با انسداد چشم مانند پلک و مژه هست.

چارت تشخیص دقیق بیماری با ایریدولوژی
چارت تشخیص دقیق بیماری با ایریدولوژی

روش دوم تشخیص مرز عنبیه در ایریدولوژی

دومین روش عالی توسط سنکوویسکی و همکاران ارائه شد، شامل سه مرحله آستانه بر اساس کشف بازتاب، تشخیص مرزهای عنبیه بر اساس اصالح انتگرال و دیفرانسیل داگمان و در نهایت تشخیص پلک بر اساس مدلسازی پارامتریک هست. مرزهای خارجی عنبیه بر اساس جستجو در تصاویر خاکستری و بر اساس مدل YIQ است درحالیکه جستجویی در کانال مادونقرمز است. درنهایت مرز پلک پایینی به عنوان دایره و مرز پلک فوقانی به عنوان لبه راست مدل شده است. 

روش سوم تشخیص مرز عنبیه در ایریدولوژی

روش سوم توسط پدرو آلمیرا و بر اساس سیستم خبره مجموعهای از قوانین تصمیم گیری که به طور عمده در حال حاضر در تشخیص مرز عنبیه بالا و پایین و برازش قوس پلک استفاده میشود. این قوانین بر اساس مفاهیم شناسایی شده توسط انسان به عنوان معیار شناسایی شده توسط او به هنگام انجام کار مشابه ایجادشده است.

روش چهارم تشخیص مرز عنبیه در ایریدولوژی

روش چهارم را، لی و همکاران ارائه داده اند. این روش تشخیص با تشخیص چشم شروع میشود و سپس محلی کردن عنبیه و مرز های مردمک با استفاده از الگوریتم K – میانگین همراه با تبدیل هاف تغییر بافت هاست. در مورد تشخیص اشتباه، محلی سازی آنها سعی میکنند تا با محلی سازی عنبیه با استفاده از الگوریتم دوم بر اساس اطالعات پوست باشد. سپس پلک پائینی توسط سهمی FITTIN تشخیص داده میشود؛ و پلک بالایی همراه با اجرای سهمی توسط عملگرهای دیفرانسیل انتگرال و همراه با تکنیک LIKE – RANSAC تشخیص داده میشود.

روش پنجم تشخیص مرز عنبیه در ایریدولوژی

روش پنجم: جئونگ و همکاران الگوریتم دیگری برای تشخیص عنبیه ارائه کردهاند. مرزهای مناطق بیرونی و درونی عنبیه با استفاده از آشکارساز لبهگرد شناساییشده است. در مورد تشخیص(بر اساس وجود بازتاب قرنیه)  آنها طبقه بندی ADABOOST اضافی را اجرا میکنند تا تقریباً موقعیت چشم محلی را پیدا کنند. برای پلک آنها از سهمی تبدیل هاف استفاده کردهاند و برای بازتاب چشم، تقسیم بندی رنگ را به کاربردهاند؛ و درنهایت آنها یک مدل طبقه بندی پیشنهادی تشخیص چشم بسته را ارائه میکنند

روش ششم تشخیص مرز عنبیه در ایریدولوژی

روش ششم: چن و همکاران یک الگوریتم پنج مرحله ای پیشنهاد میکنند. آنها ابتدا موقعیت تقریبی چشم را با استفاده از منطقه صلبیه استخراج میکنند، سپس مرز بیرونی عنبیه را با تبدیل هاف دایرهای تشخیص میدهند؛ و به دنبال آن تشخیص پلک بالا و پایین با استفاده از لبه یابی خطی و با استفاده از تبدیل هاف هست.

با استفاده از آستانه منطق مردمک را تشخیص میدهند. آشکارسازیهای پلک (تشخیص پلک) عمدتاً بر اساس تشخیص لبه بر اساس چندجملهای اتصاالت هستند.

روش هفتم و آخر تشخیص مرز عنبیه در ایریدولوژی

و آخرین روش ارائه شده را توسط میشل و همکاران بوده است. روش تشخیص عنبیه بر اساس فضای مدل چند طیفی بافت احتمالی عنبیه و آستانه تطبیقی هست؛ که در مدل انطباقی پارامترها در بخشی از بافت عنبیه یاد میگیرد و پس از آن برای بازتاب عنبیه و مژه و پلک و با استفاده از پیشبینی و تجزیه و تحلیل بازگشتی چک میکند.

روش های بکار گرفته شده برای تشخیص عنبیه
روش های بکار گرفته شده برای تشخیص عنبیه

برخی از روشهای به کار گرفته شده در تشخیص عنبیه علم ایریدولوژی

  1. استفاده از فیلتر گابور
  2.  عبور از صفر چند مقیاسی
  3. تبدیل موجک دوتایی
  4.  تبدیل موجک
  5.  تبدیل هیلبرت
  6. فاصله همینگ
  7. استفاده از فیلترهای رنگی مصنوعی
  8. گرادیان به همراه گوس شعاعی

حال بحث پژوهش های انجام شده در زمینه تشخیص بیماری به واسطه پردازش تصویر عنبیه است که مطالعات گستردهای در این زمینه انجام گرفته است. در شکل زیر مراحل چارت مراحل تشخیص بیماری استفاده شده در کلیه مقالات آورده شده است.

فلوچارت مراحل تشخیص بیماری در ایریدولوژی
فلوچارت مراحل تشخیص بیماری در ایریدولوژی

adhi maya بر روی موضوع طبقه بندی تصاویر عنبیه به منظور تشخیص بیماری های مزمن کلیه با استفاده از الگوریتم SVM, wathershed پژوهش کرده اند. تکنیک transform Watershed برای استخراج ویژگی های شکل عنبیه بیماران همودیالیزی استفادهشده است؛ و از SVM برای شناخت شکل عنبیه استفاده شده است.

CFR یا بیماری مزمن کلیه، بیماری است که کلیه عملکردش را برای مدت طولانی از دست میدهد. GFR نشان میدهد که چه میزان مایع و مواد زائد برای تولید ادرار در یک دقیقه از گلومرول در کلیه گذشته است. بر اساس عواقب بیماری کلیه (DOQI/K) از بنیاد ملی کلیه، پنج مرحله برای بیماران نارسایی کلیه پس از آزمایش خون برای به دست آوردن میزان کراتینین بر اساس میزان تصفیه گلومرولی GFR وجود دارد. معمولا این بیماران در مراحل اولیه، علائم را احساس نمیکنند و اگر هم احساس کنند، فکر میکنند که علائم بیماری ها عادی است. این موضوع سبب بدتر شدن

وضعیت بیماری میشود. با توجه به سابقه، ایریدولوژی دارای پتانسیل بالایی به عنوان روشی جایگزین در توسعه سیستم هشدار دهنده است که میتواند از بدتر شدن شرایط بیمار جلوگیری کند. علاوه بر آن بیماران نیز شانس بیشتر برای بهره مندی از درمان مناسب و اجتناب از مرحله نهایی نارسایی رادارند، حالتی که کلیه تقریباً شانس کارکردش را ازدستداده است.

در این مطالعه مجموعاً 82 نفر شرکت کردهاند که 61 نفر دارای نارسایی مزمن کلیه CFR که تحت همودیالیز قرار گرفته اند و 21 نفر سالم یا تقریباً سالم که میزان GFR آنها بیش از 90 میلیلیتر در دقیقه m2 73. 1 بوده است. از 61 بیمار CFR تحت درمان همودیالیز، 36 نفر بیش از ده سال است که به دیابت CRF دچار هستند، 17 نفر به علت CFR مبتالبه فشارخون هستند و بقیه موارد اختالالتی مانند پلی کیستیک و … دارند. جوانترین بیمار 23 ساله و پیرترین آنها 79 ساله است. 50 نفر نیز بالا 50 سال سن دارند. این بیماران معمولا دو بار در هفته تحت همودیالیز قرار میگیرند و طول درمان همودیالیز آنها بین 1 الی 84 ماه(7 سال) است. از این تعداد بیماران، تعداد 41 نفر مرد هستند. تصاویر عنبیه همه 8 شرکت کنندگان با دوربین مخصوص عکاسی از عنبیه با دو نور LED light-white گرفته شده است.

اشتراک در
اطلاع از
guest
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها