fa تشخیص بیماری کووید-19 توسط تکنیک‌های پردازش تصاویر سی‌تی‌اسکن ریه داده کاوی Data Mining پژوهشي اصیل Original Article <div style="text-align: justify;"><span style="line-height:2;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><strong>مقدمه:</strong> امروزه روش &rlm;های متعددی جهت تشخیص بیماری کووید-19 مانند علائم بالینی مرتبط با بیماری و روش&rlm; های تشخیصی با دقت بالاتر نظیر تصویربرداری سی&rlm; تی&rlm; اسکن از ریه&rlm; ها استفاده می&rlm;گردد. هدف از انجام این مطالعه دستیابی به یک روش تشخیصی دقیق جهت تشخیص هوشمند و خودکار بیماری کووید-19 با به کارگیری تکنیک&rlm; های پردازش تصایر سی&rlm; تی&rlm; اسکن ریه&rlm; ها و به کارگیری نتایج این روش به صورت ابزار تشخیصی دقیق به عنوان مکمل دستگاه سی&rlm; تی &rlm;اسکن می&rlm;باشد.<span dir="LTR"><span style="color:black;"></span></span><br> <strong>روش:</strong> با به کارگیری الگوریتم &rlm;های پردازش تصاویر دیجیتال مانند بخش &rlm;بندی و استخراج ویژگی از تصاویر و استفاده از روش &rlm;های مختلف تحلیل آماری بر روی ویژگی&rlm; های مستخرج از تصاویر، به شناسایی بیماری کووید-19 (دیتای 79 نفر) از طریق تصاویر سی &rlm;تی &rlm;اسکن نمونه&rlm; های مرد و زن دارای سنین مختلف پرداخته و به ارزیابی تأثیراتی که این بیماری روی ریه&rlm; های افراد مبتلا می&rlm;گذارد، پرداخته می&rlm;شود. زمان و مکان انجام پژوهش به ترتیب در بهار سال 1399 و در دانشکده علوم و فناوری&rlm; های پزشکی واحد علوم و تحقیقات تهران انجام گردیده است.<span style="font-family:B Mitra;"></span><br> <strong>نتایج</strong><strong>:</strong> این روش هوشمند بر پایه&rlm; استخراج ویژگی از تصاویر سی&rlm; تی&rlm; اسکن ریه &rlm;ها می&rlm;تواند بر اساس دسته&rlm; های مختلف (جنسیت، نوع آسیب ایجاد شده در اثر بیماری) با دقت بالا به تشخیص این بیماری بپردازد. با توجه به بررسی موقعیت درگیری بافت ریه در افراد مبتلا به کووید-19، مشخص گردید که اکثر افراد مبتلا در بخش&rlm; های تحتانی هر دو ریه دچار تخریب بافت به مقدار بیشتر از لُب&rlm; های میانی و فوقانی شده &rlm;اند.<span dir="LTR"></span><br> <strong>نتیجه‌گیری:</strong> الگوریتم ارائه شده در این مطالعه با دقت بالا قادر به تشخیص و تمایزپذیری داده &rlm;های تصاویر اخذ شده از ریه&rlm; های افراد سالم و بیماران مبتلا به کروناویروس می&rlm;باشد.<span dir="LTR"></span><br> &nbsp;</span></span></span></span></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><strong>Introduction:</strong> Today, several methods are used for detecting COVID-19 such as disease-related clinical symptoms, and more accurate diagnostic methods like lung CT-scan imaging. This study aimed to achieve an accurate diagnostic method for intelligent and automatic diagnosis of COVID-19 using lung CT-scan image processing techniques and utilize the results of this method as an accurate diagnostic tool complementing the CT-scan devices.<br> <strong>Method:</strong> Based on digital image processing algorithms such as segmentation and feature extraction and using various methods of statistical analysis on the features extracted from images, CT-scan images of 79 male and female patients in different ages were analyzed and the effects of this disease on the infected lungs of patients were evaluated. This research was conducted in the spring of 2020 in the Faculty of Medical Sciences and Technologies, Science and Research Branch in Tehran.<br> <strong>Results:</strong> This intelligent method based on feature extraction from lung CT-scan images can diagnose COVID-19 with high accuracy on different categories (gender, type of injury caused by the disease). The analysis of lung tissue involvement in patients with COVID-19 revealed that most patients had tissue damage in the lower parts of both lungs to a greater extent than the middle and upper lung lobes.<br> <strong>Conclusion</strong>: The algorithm presented in this study can accurately detect and differentiate the data of images taken from the lungs of healthy people and patients with coronavirus disease.</span></span></span></span></div> کووید-19, بیماری ویروسی, آسیب ریه, تجزیه و تحلیل داده ‌ها, تکنیک پردازش تصویر COVID-19, Viral Disease, Lung Injury, Data Analysis, Image Processing Technique 1 11 http://jhbmi.ir/browse.php?a_code=A-10-542-3&slc_lang=fa&sid=1 Naser Safdarian ناصر صفدریان naser.safdarian@yahoo.com 10031947532846009798 10031947532846009798 No M.Sc. in Biomedical Engineering, Lecturer, Biomedical Engineering Dept., Faculty of Medical Sciences and Technologies Science and Research Branch, Islamic Azad University, Tehran, Iran کارشناسی ارشد مهندسی پزشکی، مربی، گروه مهندسی پزشکی، دانشکده علوم و فناوری‌های پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Nader Jafarnia Dabanloo نادر جعفرنیا دابانلو n_jafarnia@yahoo.com 10031947532846009799 10031947532846009799 Yes Ph.D. in Electrical Engineering, Associate Professor, Biomedical Engineering Dept., Faculty of Medical Sciences and Technologies, Science and Research Branch, Islamic Azad University, Tehran, Iran دکتری مهندسی برق، دانشیار، گروه مهندسی پزشکی، دانشکده علوم و فناوری‌های پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران