Vasküler Görüntüleyici Sistem
Öz
Günümüzde hızla gelişen kızılötesi görüntüleme teknolojisi tıp dünyasında yoğun olarak kullanılmaktadır. Kandaki alyuvarlarda bulunan hemoglobin kızılötesi ışınları emebilmektedir. Bu sayede damarlar diğer dokulara göre daha koyu ve belirgin bir şekilde görünür. Damar görüntüsü elde etmek için kullanılan cihazlar oldukça pahalıdır. Bunun sebebi bu cihazlarda yüksek hassasiyette ve yoğunlukta kızılötesi görüntü alan CCD sensörlü kameraların kullanılmasıdır. Bu sebeple maliyeti düşürmek için çok pahalı CCD sensör yerine fiyatı çok daha uygun olan CMOS sensörlü kızılötesi kameralar kullanılabilir. Ancak CMOS sensörü kullanan kameralardan elde edilen görüntü CCD sensörü kullanan kameralardan elde edilen görüntü kadar iyi değildir. Bu sebeple daha iyi görüntü elde etmek için gelişmiş görüntü işleme tekniklerine ihtiyaç vardır. 850nm kızılötesi ışık, CMOS sensörlü kamera ve 850nm dalga boyuna sahip bant geçiren fitre kullanılarak cildin 3mm derinliğindeki damar görüntüsü elde edilir. Elde edilen görüntü Raspberry Pi mikroişlemcisi kullanılarak OpenCV açık kaynak kodlu kütüphanesi yardımıyla Python dilinde sırasıyla; gri seviyeye dönüştürme, el maskesi için binari metot, damar maskeleme için ise medyan filtre ve canny metot kullanılmıştır. Ayrıca elde edilen görüntüyü iyileştirmek için çeşitli morfolojik işlemler (aşındırma ve genişletme) kullanılmıştır.
Anahtar Kelimeler
Kaynakça
- Bath, J., Aziz, F. And Smeds, M. R. (2021, April). “Progression of Changes in VAscular Surgery Practices during tje Novel Corona Virus SARS-CoV-2 Pandemic, Annals of Vascular Surgery, In press. ( https://doi.org/10.1016/j.avsg.2021.03.002)
- Bouzida, N., Bendada, A. H., & Maldague, X. P. (2010, October). "Near-infrared Image fFormation and Processing for the Extraction of Hand Veins", Journal of Modern Optics, Vol. 57, No. 18, pp. 1731-1737.
- Canny, J. (1986, November). "A Computational Approach to Edge Detection", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-8, Issue: 6, pp. 679-698.
- Delaune, S. C., & Ladner, P. K. (1997). "Process and Practice", in Fundamentals of Nursing 4e, pp. 949-958, Elsevier.
- Erişti, E. (2010, Şubat 10-12). "Görüntü İşlemede Yeni Bir Soluk, OPENCV", Akademik Bilişim 2010 - XII. Akademik Bilişim Konferansı Bildirileri Muğla Üniversitesi, s. 223-229.
- Fossum, E. R., & Hondongwa, D. B. (2014, May). "A Review of the Pinned Photodiode for CCD and CMOS Image Sensors", IEEE Journal of the Electron Devices Society, Vol. 2, No. 3, pp. 33-43.
- Garrido, G., & Joshi, P. (2018). "Detecting and Tracking Different Body Parts", in OpenCV 3 with Python By Example 2e, pp. 74-95. Birmingham - Mumbai
- Jain, C., Mishra, V., & Chugh, A. (2019). "Palm Vein Technology for Biometrics", International Journal of Innovative Technology and Exploring Engineering (IJITEE), Vol. 8, Issue 9S, pp. 598-602.
- Lareyre, F., Chaudhuri, A., Adam, C., Carrier, M., Mialhe, C. and Raffort, J. (2021, April). “Applications of Head-Mounted Displays and smart Glasses in Vascular Surgery”, Annals of Vascular Surgery, In Press. (https://doi.org/10.1016/j.avsg.2021.02.033)
- Mansoor, M., N., S. S., Naqvi, S. Z., Badshah, I., & Saleem, M. (2013). "Real-time Law Cast Infrared Vein Imaging System", International Conference on Signal Processing, Image Processing and Pattern Recognition (ICSIPRI), pp. 117-121.
kapsamında lisanslanmıştır.