Journal of Geomatics Science and Technology

fa اندازه گیری دور سر نوزاد با استفاده از تکنیکهای یادگیری عمیق Infant Head Circumference Measurement Using Deep Learning Techniques فتوگرامتری و سنجش از دور Photo&RS ترویجی Tarviji <div style="text-align: justify;">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-CNN و 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.</div> <div style="text-align: justify;">Infant's head circumference measurement and and its growth monitoring plays a crucial role in diagnosis the diseases which cause a deformation in the infant's head. Due to the fact that the contact measurement, which is performed using a tape measure and a caliper, has problems such as transmitting disease, infecting, not comfortable and disruption relaxing the baby, going to non-contact measurements is unavoidable. The purpose of this study is to provide a non-contact image based method for measuring the infant's head circumference. In this study, an algorithm was developed that calculates the infant's head circumference using an image taken above the infant's head and the scale index next to the head. The first step in calculating the head circumference is detecting and segmenting the baby's head in the image. In this regard, two the state of the art deep learning algorithms, MaskR-CNN and CRF-RNN, were compared in this study for accurately segmenting the infant's head. Subsequently, the head circumference pixels were detected by a fusion of the Canny edge detection and morphology algorithms. In the next step, the ground sample distance at suitable level was calculated using the scale tag in the image. Finally, the head circumference was calculated using the ground sample distance value and the number of pixels forming the head circumference. The evaluations show that the MaskR_CNN method with a total accuracy of 98.8% is a more appropriate method than the CRF-RNN method for detection and segmentation of the head in the image. Also by comparing the results of the proposed algorithm with the actual values obtained by strip meter on 10 images, it was found that the error of the proposed method is about 1 to 3%.</div> اندازه گیری غیر تماسی, یادگیری عمیق, شبکه عصبی پیچشی, تشخیص شئی, قطعه بندی Non-contact Measurement, Deep Learning, Convolutional Neural Network, Object Detection, Segmentation 83 101 http://jgst.issgeac.ir/browse.php?a_code=A-10-787-1&slc_lang=fa&sid=1 F. Zare zadeh فرزاد زارع زاده farzadzare3511@gmail.com 10031947532846006179 10031947532846006179 Yes دانشگاه خواجه نصیرالدین طوسی A. Hosseini naveh علی حسینی نوه ali_hosseini_naveh@yahoo.com 10031947532846006180 10031947532846006180 No دانشگاه خواجه نصیرالدین طوسی Z. Habibi زهره حبیبی z-habibi@sina.tums.ac.ir 10031947532846006181 10031947532846006181 No دانشگاه علوم پزشکی و خدمات بهداشتی درمانی تهران