mobil damar görüntüleme cihazı tasarımı

Abstract

Geleneksel yöntemler kullanılarak çocuklarda, yaşlılarda, obezlerde, ağır yanık vakalarında veya koyu tenli kişilerde gerek tedavi gerekse de muayene esnasında damarların bulunması oldukça güç olabilmektedir. Bu gibi dezavantajları ortadan kaldırmak için birçok damar görüntüleme yaklaşımı geliştirilmiştir. Bu çalışmada da bunlardan birisi olan yakın kızılötesi (near infrared) görüntüleme teknolojisi kullanılarak Raspberry Pi mikrobilgisayar tabanlı bir damar görüntüleme sistemi tasarlanmıştır. Kızılötesi görüntülemede, kandaki alyuvarlarda bulunan hemoglobinin gelen kızılötesi ışınları soğurması özelliğinden yararlanılarak damarların diğer dokulardan daha koyu bir şekilde görüntülenmesi sağlanır. Cilt üzerine 850 nm dalga boylu ışık kaynaklarından yollanan ışınlar deri üzerine yansıtılır. Cilt yüzeyine yansıtılan kızılötesi ışınlardan görüntü alınabilmesi için RPi kızılötesi kamera modülü kullanılmıştır. Kamera ile elde edilen el damar görüntüleri Raspberry Pi'da OpenCV açık kaynak kodlu kütüphanesi kullanılarak Pyhton dilinde sırasıyla; gri seviyeye dönüştürme, kontrast sınırlı histogram eşitleme, medyan filtresi, adaptif eşikleme ve morfolojik işlemler uygulanarak işlenmiştir. Bu sayede alınan ham görüntü üzerinde damar tespiti yapılmıştır. Sonrasında toplanan el damar görüntüleri, ham halleriyle uzman tarafından bilgisayar ortamında incelenmiş ilgili hedef bölgelerde bulunan damarlar işaretlenerek damar tespiti yapılmıştır. Ardından işaretlenen damar bölgeleri, Raspberry Pi tarafından çeşitli görüntü işleme yöntemleriyle ortaya çıkarılan damar bölgeleri ile kıyaslanarak doğruluk dereceleri karşılaştırılmıştır. Görüntülerin karşılaştırılması ve doğruluk analizinin yapılmasında, iki görüntüdeki damar bölgelerini piksel piksel karşılaştırarak doğruluk yüzdesini veren yeni bir algoritma geliştirilmiştir. Geliştirilen yeni algortimanın sonuçları ile iki boyutlu çapraz korelasyon algoritmasına ait sonuçlar karşılaştırılmıştır. Karşılaştırmalar sonucunda iki boyutlu çapraz korelasyon yöntemi sonucu doğruluk yüzdesi ortalaması % 73,87 iken bu oran yeni geliştirilen piksel tabanlı karşılaştırmada % 79,73 olarak bulunmuştur. Bu nedenle geliştirilen yeni piksel tabanlı karşılaştırma yönteminin, iki boyutlu çapraz korelasyon yönteminden daha etkili ve başarılı bir yöntem olduğu tespit edilmiştir

Finding blood veins might be difficult by using conventional methods during treatment and physical examination for children, elder people, obese people, severe burn victims and dark skinned people. To cope with these difficulties, many blood vein imaging approaches have been developed. In this study, a Raspberry Pi microcomputer based blood vein viewing system was designed by utilizing near infrared imaging technology. In the infrared imaging, the veins appear darker than other human tissues due to the absorption of infrared rays by the hemoglobin in the red blood cells. Light rays with 850 nm wavelength were reflected to the skin from the infrared light source. To capture the reflected rays, an Rpi infrared camera module is used. The images of hand veins obtained from the camera were processed by using grayscale conversion, contrast limited histogram equalization, median filter, adaptive thresholding and morphologic processes respectively. These imaging processes were done in Python language that uses OpenCV open source code library in the Raspberry Pi. By using the process mentioned above, veins were detected from the raw image. Then, the specialist examined the obtained raw hand vein images to detect blood veins by marking the target areas. The accuracy of the vein viewing system was assessed by comparing the marked vein regions and the processed images the microcomputer (Raspberry Pi). In the image comparison processes, a novel pixel to pixel algorithm was developed. In addition, two dimensional cross-correlation algorithms were used for the accuracy analysis. The average accuracy result of the two dimensional cross-correlation algorithms was 73.87% while the average accuracy result of the other algorithm was 79.73%. For this reason, the latter algorithm was found to be more effective and successful.