روشی جدید برای تشخیص فریم و ناحیه خونریزی در ویدئوی اندوسکوپی کپسول بی‌سیم

برای تشخیص ناحیه و چارچوب خونریزی در دستگاه آندوسکوپی کپسول بی‌سیم، یک تکنیک اتوماتیک با کمک کامپیوتر برای کاهش بار پزشکان بسیار ضروری است. آندوسکوپی کپسول بی‌سیم (wce)یک تکنولوژی تصویربرداری است که اخیرا ایجاد شده‌است و نیازی به هیچ دستگاه سیم‌کشی ندارد. این دستگاه اختلالات در دستگاه GI، یعنی کولون، مری، روده کوچک، و معده را تشخیص می‌دهد. یک ویدئوی wce از ۵۷،۰۰۰ تصویر تشکیل شده‌است. معاینه توسط پزشکان بسیار مشکل است. برای مشخص کردن عکس‌های خونریزی از پنجاه و هفت هزار تصویر wce، این کار بسیار سخت و گران است. هدف اصلی ایجاد یک روش تشخیص خونریزی تیره خودکار با استفاده از تقسیم‌بندی سوپر پیکسل و طبقه‌بندی کننده بایس (Bayes) ساده است. برای این مساله از تقسیم‌بندی Navie Bayes (روش Bayes نایاب مجموعه ای از الگوریتم های یادگیری تحت نظارت بر اساس قضیه Bayes با فرض "naive" فرض استقلال مشروط بین هر جفت از ویژگی ها با توجه به ارزش متغیر کلاس است) و سوپر پیکسل استفاده شده‌است.

To detect the region and bleeding frame in the wireless capsule endoscopy video, an automatic computer-aided technique is highly demanded to reduce the burden of physicians. The wireless capsule endoscopy (WCE), is an imaging technology which is recently established and doesn’t require any wired device. This device detects abnormalities in GI tract, i.e. (colon, esophagus, small intestine, and stomach). A WCE video consists of 57,000 images. It is very hard to examine by clinicians. To determine bleeding photos out of fifty-seven thousand WCE images makes the task very hard and expensive. The main goal is to develop an automatic obscure bleeding detection method by using superpixel segmentation and naive Bayes classifier. Naive Bayes and superpixel segmentation are used for this problem.