حذف پسزمینه در تصاویر ایکس-ری آنژیوگرافی با استفاده از بازسازی نواحی مفقود تصاویر توسط یادگیری عمیق
نویسندگان
1 دانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی، تهران، ایران
2 دانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی، تهران، ایران
doi
10.22041/ijbme.2025.2048672.1941چکیده
در تصویربرداری ایکس ری آنژیوگرافی، یکی از چالشهای اساسی که متخصصان قلب و عروق با آن روبرو هستند، سایههای ناخواستهای است که از اعضای ثابت و متحرک داخل قفسه سینه در دنبالهی قابهای تصویری ضبط شده ظاهر میشود. این سایهها کیفیت تصاویر را کاهش می-دهند و تشخیص گرفتگی رگها را برای متخصصین سختتر میکنند. برای حل این مشکل، روشهائی ابداع شدهاست. ولی بسیاری از آنها مجبور هستند تمامی قابهای یک دنباله ورودی را پردازش کنند و این زمان زیادی میطلبد. در عین حال خروجی بسیاری از این روش ها هنوز حاوی بخش زیادی از این سایه ها است و کیفیت رگها در تصاویر اصلاح شده هم همیشه راضی کننده نیست. در این تحقیق، ابتدا از فیلتر Frangi برای تشخیص عروق کرونری و حذف آنها از قاب تصویری حاوی مادهی حاجب استفاده میشود. در ادامه، نواحی رگها به شکل یک تصویر ماسک، به همراه قاب تصویری حاوی مادهی حاجب و همچنین نزدیکترین قاب بدون ماده حاجب به آن، به ورودی مدل عمیق deepfillv2-grayscale داده میشود. این شبکه پیشرفته، برای بازسازی بخش های حذف شده از تصاویر طراحی شده است. در این تحقیق گونهای از این شبکه را که بر روی تصاویر مقیاس خاکستری عمل میکند بکار گرفتیم و بطور خاص بر روی تصاویر ایکس ری آنژیوگرافی تعلیم تکمیلی دادیم. در مرحلهی آخر تصویر پسزمینهی بازسازی شده، از قاب تصویری حاوی مادهی حاجب، کم میشود تا تصاویر بهتری از عروق با کاهش سایهها بهدست آید. رویکرد پیشنهادی میتواند به طور مؤثری زمان پردازش را نسبت به روش های سنتی بهبود بخشد. روش پیشنهادی این تحقیق، بر اساس معیارهای SSIM و Precision به ترتیب به مقادیر 0.96 و 0.97 دست مییابد که در مقایسه با روشهای پیشرفته شناخته شده مانند FPCP-RPCA، OTS-RPCA، DECOLOR و OSTD برتری نشان میدهد