fa روشی جدید مبتنی بر بهینه‌سازی برای تخمین و تعیین موقعیت فضایی حجم هوای درون ریه از تصاویر CT سه‌بعدی ریه تخصصي Special پژوهشي Research paper <p><span style="font-family:b zar;"><span style="font-size:10.0pt;">ی</span></span><span style="font-family:b zar;"><span style="font-size:10.0pt;">کی از مهم‌ترین آزمون‌های تشخیص بیماری‌های ریوی، اندازه‌گیری حجم هوای ریه است. در این مقاله یک الگوریتم تمام‌خودکار که پیش‌تر توسط نویسندگان مقاله برای تخمین حجم هوای درون ریه با استفاده از تصاویر </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">CT</span></span></span><span style="font-family:b zar;"><span style="font-size:10.0pt;"> ارائه شده بود، توسعه داده شده است. در این الگوریتم، به منظور بخش‌بندی نواحی حاوی هوا در ریه ابتدا با بهینه‌سازی یک تابع هزینه مبتنی بر مباحث بیوفیزیک بافت ریه، محدوده وکسل‌های هوای درون ریه تعیین می‌شود. در این مقاله به‌منظور حل مسئله بهینه‌سازی روشی ساختاریافته و خودکار برای</span></span> <span style="font-family:b zar;"><span style="font-size:10.0pt;">محاسبه حدس اولیه محدوده پاسخ پیشنهاد شده‌است. برای تعیین موقعیت فضایی نواحی حاوی هوا نیز از یک روش بازسازی مدل سه‌بعدی استفاده شده‌است. علاوه بر آن، کارایی الگوریتم پیشنهادی &nbsp;با استفاده از تصاویر یک ریه با حجم هوای کنترل‌شده در شرایط آزمایشگاهی و همچنین تصاویر کلینیکی پایگاه‌های داده معتبر بررسی شده است. همچنین عملکرد روش‌های مبتنی بر اندازه‌گیری حجم ریه و روش‌های مبتنی بر اندازه‌گیری مستقیم حجم هوای ریه مورد ارزیابی و مقایسه قرار گرفته است. نتایج به‌دست‌آمده نشان‌دهنده دقت بالای الگوریتم پیشنهادی در تخمین حجم هوای ریه و مقاوم</span></span><span style="font-family:cambria,serif;"><span style="font-size:10.0pt;">‌</span></span><span style="font-family:b zar;"><span style="font-size:10.0pt;">بودن نسبت به کاهش رزولوشن است.&nbsp;</span></span></p> <p>Lung&rsquo;s air volume estimation is of great importance in lung disease diagnosis. In this paper a fully automatic algorithm, which we presented recently to estimate the lung&rsquo;s air volume from CT-images, is more developed. In this algorithm, first a suitable cost function is introduced based on the long parenchyma physics to determine the voxels of lung&rsquo;s air region. In this paper, a fully automatic framework is proposed to calculate the initial guess for the solution of the optimization problem. Moreover, a 3D model reconstruction technique is utilized to determine spatial localization of the lung&rsquo;s air region in 3D CT-images. Furthermore, the performance of the whole-lung-volume-based methods and direct lung&rsquo;s air volume measurment methods are compared and investigated. In order to evaluate the accuracy, porcine&rsquo;s lung images and clinical human&rsquo;s lung images from reliable databases are fed to the proposed algorithm. The significant accuracy and robust performance of the proposed algorithm is illustrated with respect to the resolution reduction of CT-images.</p> بهینه‌سازی, تخمین حجم هوا, اثر حجم جزئی, ریه, تصاویر CT. Optimization, air volume estimation, lung, partial volume effect, CT images. 39 50 http://joc.kntu.ac.ir/browse.php?a_code=A-10-522-1&slc_lang=fa&sid=1 Hadi Moghadas-Dastjerdi هادی مقدس دستجردی h.moghadas@ec.iut.ac.ir 10031947532846003733 10031947532846003733 No Isfahan University of Technology دانشگاه صنعتی اصفهان Mohammad Reza Ahmadzadeh محمدرضا احمدزاده ahmadzadeh@cc.iut.ac.ir 10031947532846003734 10031947532846003734 Yes Isfahan University of Technology دانشگاه صنعتی اصفهان Mehdi Karami مهدی کرمی m_karami@med.mui.ac.ir 10031947532846003735 10031947532846003735 No Isfahan University of Medical Sciences دانشگاه علوم پزشکی اصفهان Farzin Ghiasi فرزین غیاثی farzinghiasi@yahoo.com 10031947532846003736 10031947532846003736 No Isfahan University of Medical Sciences دانشگاه علوم پزشکی اصفهان Abbas Samani عباس سامانی asamani@uwo.ca 10031947532846003737 10031947532846003737 No Western University دانشگاه وسترن کانادا