استفاده از توصیفگرهای DLBP و SVM برای تشخیص سندرم دان

چکیده:

سندرم دان ، شایع ترین اختلال کروموزومی در انسان ها است ، که تقریباً 1 در 1000 در یک سال در نوزادان اتفاق می افتد. همچنین امید به زندگی در افراد مبتلا به این بی نظمی در دهه های اخیر از 25 به 59 افزایش یافته است. شناخت این افراد در مکان های با امنیت بالا مانند دروازه های امنیتی می تواند به افراد مسئول کمک کند تا تصمیمات مناسبی اتخاذ کنند.

این بی نظمی موجب یک نمای صورت خاص می شود که افراد عادی را از بیمار متمایز می سازد. در این مطالعه ما یک چهارچوب کاری جدید را پیشنهاد می دهیم که از هیستوگرام های الگوی باینری محلی (LBP) مشتق دار جهت دار مرتبه اول و دوم استفاده می کند، سپس ماشین بردار پشتیبان را برای طبقه بندی به کار می گیرد تا جمعیت مبتلا به سندرم دان را از گروه سالم تشخیص دهد.ما 2 روش را برای توصیف بافت بررسی کردیم:

1 روش تنها از LBP مشتق جهت دار مرتبه اول استفاده می کند و روش دوم هم از مرتبه اول و هم از مرتبه دوم استفاده می کند. مقادیر مخازن هیستوگرام، از توصیف گرهای ذکرشده بدست می آید که برای آموزش ماشین بردار پشتیبان برای طبقه بندی جمعیت مبتلا به سندرم دان و جمعیت غیرمبتلا استفاده می شود. رویکرد پیشنهادی با استفاده از یک پایگاه داده سفارشیی که از منابع وب رایگان جمع آوری شده است، استفاده می کند.

نتایج آزمایشی PPV، NPV ، حساسیت و فاکتورهای ویژگی مساوی با 92.35% ، 96.50% ، 96.66% و 92% در بهترین موارد را نشان می دهد.

توضیح مساله:

سندرم دان شناخته شده با عنوان مونگولیسم در گذشته، رایج ترین دلیل کم هوشی ذهنی است و از هر 1000 تا 1100 نوزاد متولد شده یک نوزاد با این بیماری در سراسر جهان متولد می شود. در نتیجه افراد زیادی با این شرایط زندگی می کنند. برای نمونه، آمار نشان می دهد که جمعیت مبتلا به سندرم دان در ایالات متحده در سال 2008 بیش از 250000 نفر هستند.

اساس ژنتیکی سندرم دان تریزومی همه یا قسمتی از کروموزوم های انسان است. این بی نظمی، بیش از 50 نشانه مختلف دارد. بعضی از آنها با توجه به وضعیت بیمار متفاوت هستند. این نشانه ها شامل بعضی صفات فیزیکی خاص هستند نظیر گردن کوتاه، سر کوچک، زبان بیرون زده، چشمان مورب رو به بالا، گوش های کوچک یا غیر معمولی، توان عضلانی ضعیف، دست کوتاه پهن با یک چین منفرد در کف دست، انگشتان کوتاه، دست ها و پاهای کوچک، انعطاف پذیری بیش از اندازه، نقاط سفید کوچک در عنبیه به نام نقاط Brushfield، و قد کوتاه. به علاوه این بیماران نشانه هایی از تاخیر ذهنی و پیشرفت اجتماعی دارند پس آنها رفتار بدون فکر، قضاوت ضعیف، دامنه توجه کم و توانایی یادگیری کند خواهند داشت.

از آنجایی که صفات بدشکلی در ساختار صورت ظهور پیدا می کند، امکان شناسایی افراد سالم از جمعیت مبتلا به سندرم دان در توسط تکنیک های پردازش تصویر انجام پذیر است. برای نمونه چشمان مورب و دهان کوچک برآمدگی و فرورفتگی هایی را در صورت های غیرنرمال ایجاد می کند که با صورت های نرمال متفاوت است.

برای پیاده سازی یک سیستم هوشمند برای تشخیص سندرم دان تیم پی سی اسکریپت یک مجموعه داده سفارشی را جمع آوری کرده که شامل 200 عکس از بیماران مبتلا به سندرم دان و 200 عکس از افراد نرمال از منابع وب رایگان برای اهداف آزمایشی است