پزشکی بالینی

انتقال طيف رنگي؛ روشي نوين در كپسول هاي آندوسكوپي

 كپسول آندوسكوپي يك تكنولوژي جديد، راحت و دقيق براي شناسايي و آسيب شناسي در بيماري هاي كوچك شكمي است كه اين بيماري ها شامل خونريزي هاي  معدي-روده اي نيز است.
در اين مقاله روشي جديد براي آشكار سازي مناطقي كه دچار خونريزي است،  به  صورت خودكار و به وسيله كپسول آندوسكوپي جديد، با شاخص ها و ويژگي هاي نو و قدرت عملكرد بالا ارائه مي شود.
كپسول آندوسكوپي در هر ثانيه 3 تصوير براي گيرنده ارسال مي كند بعد از حدود 10 ساعت ، 100000 تصوير در گيرنده به ثبت رسيده است .
ديدن اين تعداد زياد تصوير قدرت تشخيص متخصصان باليني را به مقدار زيادي افزايش مي‌دهد. در اين مقاله تكنيكي براي آشكار سازي اتوماتيك مناطق دچار خونريزي با استفاده از روش تبديل طيف هاي رنگي و فيلترينگ تصوير بر اساس ظاهر آن ارائه مي‌شود. همچنين مي توانيم محل دقيق خونريزي را به صورت Real-time در طول آشكار سازي از طريق تصويرهاي پياپي بيابيم.

كـپـسـول آنـدوسكوپي مي تواند يك اندام يا عـــضــــو گــــوارشــــي را بــــا اســتــفــــاده از روشــــي غير‌تهاجمي و بدون ضرر مشاهده كند. كپسول آنـدوسكوپي فقط داراي يك دوربين كوچك، فـلاش و يـك فـرسـتـنـده اسـت. بـر خـلاف ديـگـر نمونه‌هاي موجود از قبيل   enteroscopyفرو رونده  و آندوسكوپي معدي-روده اي ( شكل 1.)
كـپـســول آنــدوسـكــوپــي بــه مـا ايـن امكـان را مــي‌دهــد كــه بـتــوانـيـم بـدون هـيـچ گـونـه ايـجـاد مزاحمتي براي بدن، كل معده و روده را ببينيم . كـپـســول آنــدوسـكــوپــي بــدون سـيــم، تـصــاويـر مختلفي را از نقاط و محدوده هاي كوچك امعاء دروني شكم مخابره مي كند و بدين ترتيب به ابـزاري بـسـيـار مـهـم در تـشخيص بيماري هاي شكمي تبديل شده است .
شـكـل و ويـژگـي هـاي خـونـريـزي در انـدام هـاي گوارشي متفاوت است ،شكل 2 نمونه‌هايي از خونريزي ها را نشان مي دهد . همچنين لازم است بدانيد، خون ناشي از خونريزي معمولا دچار تغيير شكل مي شود .
از آنجا كه خون ناشي از خونريزي معمولا دچار تغيير شكل مي شود، آشكار ساختن تـصـويـرهـاي نـواحـي داراي خـونـريـزي در كـپـسـول آندوسكوپي با مشكلات زيادي روبـرواسـت. در ايـن مـقـالـه روشـي نـويـن بـراي آشـكـار سـازي خـونـريزي مخصوصاّ خونريزي‌هاي فعال با استفاده از تبديل طيف هاي رنگي پيشنهاد مي شود.

روش ها و ساختار ها

الف ) جمع آوري اطلاعات 
تصاوير كپسول آندوسكوپي كه در اين تحقيق استفاده شده مربوط  است به اطلاعات باليني  Mirocam كه توسط  شركت  Intromedic ساخته شده است.
تقـريبـاّ در طـول 8 تـا 10 سـاعـت حدود 10000 تصوير از هر فرد گرفته مي شود، ما از هزار تصوير پياپي براي يك بيمارعادي  و 1000 تصوير پياپي براي يك بيمار غير عادي كه داراي خونريزي فعال در ناحيه روده و معده است استفاده مي كنيم .

ب ) روش آشكار سازي خونريزي فعال
روش پــيـشـنـهـــادي بـــراي مـشـخـــص كـــردن خونريزي در نواحي معده و روده به سه مرحله زير تقسيم مي شود :
مرحله 1 : تعديل روشنايي
مرحله 2 : تبديل طيف هاي رنگي
مرحله 3 : فيلترينگ بر اساس شكل ظاهري
مرحله 1 :  
الف) گاهي به دليل كمبود نيروي الكتريكي در مـنـاطـق روشـن شـده،كـيـفـيـت تـصـاويـر كـپـسول آنـــدوســكــوپــي از تـصــاويــر تـهـيــه شــده تــوســط نـمـونـههـاي مـعـمـولـي داراي سـيم كمتر است و هـمـچـنـيـن روشـنـايـي يـكـنـواخـتـي ندارد، در اين صورت براي ما خيلي سخت است كه تشخيص بدهيم در مناطقي كه به اين دلايل تاريك شده است بيماري وجود دارد يا نه .
بر اساس يك سري پيش پردازش ها مناطق داراي روشنايي غير يكنواخت طبق پروسه اي پردازشي حذف مي شوند وحاصل اين پردازش را در شكل 4 مي توانيم ببينيم.
قسمت  a در شكل شماره 4 تصوير اصلي و قسمت  b ، تصوير را بعد از اجراي مرحله 1 نشان مي دهد. در قسمت  b شكل 4 ،پيكسل مناطق تـاريـك و روشـن بـه صفر مي رسد ولي مناطق خونريزي كرده در طول اين فرايند نمي توانند تغيير كنند .
ب ) تنظيم شدت
  براي تنظيم كردن روشنايي تصاوير كپسول آندوسكوپي بايد شدت آن را اصلاح كنيم، بنابراين بعد از اينكه 5% از مقدار شدت از بين رفت كل مقدار شدت با مراجعه به يك جدول از پيش تعيين شده تعديل مي شود .
مرحله 2 :
در اين سيستم از تبديلات طيف هاي رنگي استفاده مي شود . براي تقسيم نواحي به دو قسمت داراي خونريزي و عادي بعد از فرايند مرحله 1، اكنون در مرحله 2 مناطق داراي خونريزي طبق معادلات زير تقسيم بندي مي شوند :
(R(i,j) + G(i,j) +B(i,j) + P)2R(i,j)/K1I transform=K
 ‌در معادله فوق در آزمايشات ابتدايي مقدار  P را 10 قرار داده ايم . اگر  از نوع ديگري از كپسول آندوسكوپي استفاده كنيم پارامتر P مي تواند مقادير ديگري را اختيار كند .
شكل شماره 5 ، I transform و نمودار ستوني طيف آن را نشان مي دهد .
اكنون  مي توانيم در شكل 5 مرزي را براي تقسيم بندي مناطق ، به دو قسمت عادي و داراي خونريزي پيدا كنيم .اين روش براي جدا  كردن  نقاط با پيكسل بالا در نمودار ستوني و  منطقه دچار خونريزي در كل تصوير   I transform به كار مي‌رود. مي توانيم اين مرز را در نتايج آزمايشات پيشين كه از 100 تصوير تصادفي استفاده كرده‌ايم مساوي 77/0‌ قرار دهيم كه اين مقدار آستانه اي مي تواند براي  همه تصوير ها مناسب باشد ولي اگر از نوع ديگري از كپسول آندوسكوپي استفاده كنيم، اين مقدار به ناچار دچار تغيير مي‌شود. شكل شماره 6 نتيجه را نشان مي دهد .
مرحله سوم : فرايند فيلترينگ بر اساس شكل ظاهري
در قسمت  b شكل 6 چند لكه كوچك اضافي ديده مي شود كه ما آن ها را به عنوان فاكتورهاي اختلالي تعريف مي كنيم چون مناطق دچار خونريزي  واقعي به عنوان پيكسل جدا يا مناطق كوچكي از تصوير نمايان نمي شوند پس اگر لكه اي  در تصوير پيدا كرديم بايد مناطقي را كه به طور صحيح آشكار سازي نشده اند فيلتر كنيم . بعضي از لكه‌هاي سفيد اگر از محدوده مشخص شده كمتر باشند فيلتر مي شوند كه ما 5 پيكسل را به عنوان حد آستانه قرار داده ايم .
با چشم غير مسلح نمي توان اين اختلال ها را شناسايي كرد حتي اگر اندازه مناطق خونريزي كرده كمتر از 5 پيكسل باشد . تصوير 7 ، تصوير نهايي را بعد از فيلترينگ نشان مي دهد .

نتايج به دست آمده
تصوير شماره 8 نتايج آزمايشات  را نشان مي دهد ؛ طي دو مرحله دادن  اطلاعات‌،  اين روش را آزموده ايم ،هر كدام از اين اطلاعات ورودي از 1000 تصوير متوالي تشكيل شده‌اند كه اطلاعات 1 مربوط به يك فرد نرمال و اطلاعات 2 ، مربوط است به يك فرد غير‌عادي كه در نواحي روده يا معده خونريزي فعال دارد .
در شكل 8، محور عرضي نشان دهنده تعداد تصوير ها و محور عمودي نشان دهنده ناحيه داراي خونريزي است .
نتايج حاصل از آزمايشات نشان مي دهند كه روش پيشنهادي در اين مقاله ، درصد حسـاسيـت بـالايـي دارد و در حـدود  %86/92‌ اسـت كـامـلا اختصـاصي عمل مي كند % (49/89) .

دلايل نو بودن روش استفاده شده
 براي اولين بار در اين مقاله از روش تبديل طيف هاي مرئي  براي آشكار سازي مناطق خونريزي كرده استفاده شد .
اگـرچـه در بعضـي از پـژوهـش هـاي ديگـر از تصـويـر هـاي نـاپيوسته براي يافتن خونريزي استفاده شده است ولي ما در اين تحقيق از تصوير هاي پيوسته و متوالي براي رسيدن به هدف فوق استفاده كرده ايم .
در  استفاده از كپسول آندوسكوپي براي اهداف باليني ، شناسايي مكان بيماري خيلي مهم تر از آشكار سازي دقيق و صحيح مناطق داراي خونريزي است !

منابع 
[1] N. Bourbakis, S. Makrogiannis, and D. Kavraki, "A
Network-based Detection of Bleeding in sequences of WCE
images", Proceedings of the 5th IEEE Symposium on
Bioinformatics and Bioengineering, IEEE, 2000
[2] Sae Hwang, JungHwan Oh, and Jay Cox, "Blood
Detection in Wireless Capsule Endoscopy using Expectation
Maximization Clustering", Medical Imaging 2006, SPIE,
2006, Vol. 6144 61441P-2
[3] ماهنامه مهندسي پزشكي شماره 86

منبع: نشریه مهندسی پزشکی شماره ۱۱۹