اندازهگیری دور سر نوزادان و پایش روند رشد دور سر، نقش مهمی را در تشخیص برخی بیماری‌ها ایفا می‌کند. با توجه به مشکلات اندازهگیری تماسی از قبیل انتقال بیماری، عفونت و راحت نبودن نوزاد در هنگام اندازهگیری، رفتن به‌سوی اندازهگیریهای غیر تماسی امری اجتناب‌ناپذیر میباشد. هدف از این پژوهش، ارائه روشی غیر تماسی و تصویر مبنا به‌منظور اندازهگیری دور سر نوزاد میباشد. در این پژوهش الگوریتمی ارائه شد که دور سر نوزاد را با استفاده از یک تصویر گرفته‌شده از بالای سر نوزاد و شاخص مقیاس موجود در کنار سر محاسبه مینماید. گام اول در محاسبه محیط سر، شناسایی و قطعه‌بندی سر نوزاد در تصویر میباشد که در این پژوهش از دو روش MaskR-CNNو CRF-RNN برای شناسایی و قطعه‌بندی سر نوزاد استفاده شد. بعدازآن پیکسل‌های تشکیل‌دهنده دور سر، با ترکیب الگوریتم لبه یاب Canny و الگوریتم‌های ریخت‌شناسی در تصویر مشخص شد. در مرحله بعد رزولوشن مکانی پیکسل‌ها در واقعیت، با توجه به برچسب مقیاس موجود در تصویر محاسبه شد. درنهایت با توجه به رزولوشن مکانی به‌دست‌آمده و تعداد پیکسل‌های تشکیل‌دهنده دور سر، محیط سر محاسبه شد. ارزیابی‌ها نشان می‌دهد که روش MaskR_CNN با دقت کلی 8/98 درصد روش مناسب‌تری از روش CRF-RNN برای شناسایی و قطعه‌بندی سر در تصویر میباشد. همچنین با مقایسه نتایج به‌دست‌آمده از الگوریتم ارائه‌شده، با مقادیر واقعی به‌دست‌آمده به‌وسیله متر نواری بر روی 10 تصویر، مشخص شد خطای روش ارائه‌شده در حدود 1 تا 3 درصد میباشد.
Zare zadeh F, Hosseini naveh A, Habibi Z. Infant Head Circumference Measurement Using Deep Learning Techniques. JGST 2019; 9 (1) :83-101 URL: http://jgst.issgeac.ir/article-1-822-fa.html
زارع زاده فرزاد، حسینی نوه علی، حبیبی زهره. اندازه گیری دور سر نوزاد با استفاده از تکنیکهای یادگیری عمیق. علوم و فنون نقشه برداری. 1398; 9 (1) :83-101
