fa بهبود الگوریتم اندازه‌گیری خودکار پارامتر اریتم در استاندارد PASI برای بیماران پسوریازیس عمومى General پژوهشي Research <p style="text-align: justify;"><span style="line-height:2;"><span style="font-family:Tahoma;"><span style="font-size:14px;"><strong>مقدمه: </strong>پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل و سطح پوست با پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با دارو وجود دارد. برای اندازه‌گیری میزان تأثیر داروها از شاخص PASI استفاده می‌شود که شامل چهار پارامتر وسعت، اریتم (قرمزی)، پوسته‌ریزی و ضخامت پلاک است. پزشکان، پارامتر اریتم را به ‌ صورت تجربی و با چشم تخمین می‌زنند که نتایج آن در بین پزشکان متفاوت است. هدف مطالعه بهبود الگوریتم اندازه‌گیری پارامتر اریتم در استاندارد پاسی به ‌ وسیلۀ پردازش تصویر است.</span></span></span></p> <p style="text-align: justify;"><span style="line-height:2;"><span style="font-family:Tahoma;"><span style="font-size:14px;"><strong>روش بررسی: </strong>در این مطالعه با استفاده طراحی سیستم تشخیص الگو دسته‌بندی نوع پلاک از نظر قرمزی برای 56 ضایعه انجام شده است. برای این کار از توصیف‌گرهای آماری مؤلفه‌های فضای رنگ HSV پوست و پلاک همبسته با نظر دو پزشک (داوران) استفاده شده است. در ‌ جایی ‌ که دو داور اختلاف نظر داشته‌اند نظر داوری دقیق‌تر با کمک الگوریتم رفع اختلاف پیشنهادی، انتخاب شده است. سپس برای تولید مدل مطمئن و ارزیابی آن از روش گمارش تصادفی داده‌ها استفاده شده که در نهایت با تحلیل آماری نتایج، مدل رگرسیون سه ‌ متغیره به ‌ عنوان رویۀ تصمیم‌گیری بهینه برای دسته‌بندی پلاک‌ها پیشنهاد شده است.</span></span></span></p> <p style="text-align: justify;"><span style="line-height:2;"><span style="font-family:Tahoma;"><span style="font-size:14px;"><strong>یافته‌ها: </strong>پیش‌بینی درجۀ اریتم مدل نسبت به نظر پزشک دارای دقت و قدرتی به ترتیب با حداکثر یک واحد خطا، همبستگی 78 درصد، تعداد متغیرهای مستقل کم و عدم حساسیت به افزایش حجم نمونه است.</span></span></span></p> <p style="text-align: justify;"><span style="line-height:2;"><span style="font-family:Tahoma;"><span style="font-size:14px;"><strong>نتیجه‌گیری: </strong>در این مطالعه با پیشنهاد الگوریتم رفع اختلاف نظر داوران و روش گمارش تصادفی داده‌ها، بهبود در دقت پیش‌بینی درجۀ اریتم نسبت به الگوریتم پیشین اندازه‌گیری خودکار درجۀ اریتم داده شده است.</span></span></span></p> <span style="font-size:10pt"><span style="font-family:Arial,sans-serif"><span style="font-weight:bold"><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">Background and Objectives:</span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif"><span style="font-weight:normal"> Psoriasis is </span></span></span><span lang="EN-GB" style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif"><span style="font-weight:normal">an auto immune skin disease</span></span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif"><span style="font-weight:normal">. In this disease, immunity system is disordered and skin is covered by red plaques. The plaques may be covered by silvery-scales. This disease has no definite cure and can only be controlled by drugs. The PASI standard is employed to evaluate effectiveness of drugs on patient. It consists of four parameters:&nbsp; area, erythema (redness), scaliness and thickness of plaques. Physicians visually assess the erythema parameter of PASI which comes to different results if performed by different physicians. We aim to improve the erythema parameter measurement algorithm in this research. </span></span></span></span></span></span><br> <span style="font-size:10pt"><span style="text-autospace:none"><span style="font-family:Arial,sans-serif"><span style="font-weight:bold"><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">Material and Methods:</span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif"><span style="font-weight:normal"> The target is to design a pattern detection system (classifying redness of plaque) based on 56 lesions of disease. In this work, mean statistical moment descriptors of HSV color space components of skin and plaques are used which are correlated with physician diagnosis. When physician opinions disagree, a right opinion is selected by the proposed disagreement removal algorithm. Consequently, for producing and evaluation of a trustful model a random data appointment method is used. Finally, Digital image set of lesions is statistically analyzed and a regression model including three variables is proposed for optimum decision function to classify plaques.</span></span></span></span></span></span></span><br> <span style="font-size:10pt"><span style="font-family:Arial,sans-serif"><span style="font-weight:bold"><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">Results:</span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif"><span style="font-weight:normal"> 1) improved accuracy with maximum unit error 2) improved prediction with 78 percent correlation, and 3) lower number of independent variables compared to the previous methods</span></span></span></span></span></span><br> <span style="font-size:10pt"><span style="text-autospace:none"><span style="font-family:Arial,sans-serif"><span style="font-weight:bold"><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif">Conclusion:</span></span><span style="font-size:11.0pt"><span style="font-family:&quot;Times New Roman&quot;,serif"><span style="font-weight:normal"> In this work, proposed disagreement removal algorithm of evaluator and random data appointment method improve Erythema parameter auto measurement compared to previous algorithms. Accuracy of predicting Erythema score indicates higher performance of the proposed method compared to the previous works. </span></span></span></span></span></span></span><br> &nbsp; پسوریازیس, اریتم, PASI, فضای رنگ HSV, مدل‌سازی رگرسیونی Psoriasis, Erythema, PASI, HSV colour space, Regression model 6 14 http://icml.ir/browse.php?a_code=A-10-6-136&slc_lang=fa&sid=1 منال‌السادات موسوی اصیل mousaviasil@yahoo.com 1050031947532846004894 1050031947532846004894 Yes گروه کامپیوتر دانشگاه آزاد اسلامی واحد قزوین فرزاد زرگری 1050031947532846004895 1050031947532846004895 No دانشگاه آزاد اسلامی واحد علوم و تحقیقات پروین منصوری 1050031947532846004896 1050031947532846004896 No دانشگاه علوم پزشکی تهران و معاون پژوهشی مرکز تحقیقات پوست و سلولهای بنیادی