Razi Journal of Medical Sciences

fa ارتباط بیماری دیابت و اعتیاد با اثر انگشت The relationship between addiction and diabetes with fingerprints پوست Dermatology پژوهشي Research زمینه و هدف: پوست آدمی بیش از هر قسمتی از بدن در معرض خطرات، بیماریها و عوارض ناشی از کار قرار دارد. یکی از کاربردهای مطالعه در زمینه ارتباط بیماریها با پوست، استفاده از اثر انگشت در تشخیص بیماری و در نتیجه درمان به موقع آن است. در این پروژه تصاویر اثر انگشت مربوط به چند بیماری سیستماتیک مانند دیابت و اعتیاد مورد بررسی قرار گرفت.<o:p /> روش کار: اولین روشی که در تحلیل دادهها استفاده شده، روش Power Spectrum است. با توجه به نتایج به دست آمده، روشهای دیگری برای استخراج ویژگی از تصاویر اثر انگشت بررسی شد. ترکیب ویژگیهای بافتی که از ضرایب موجک استخراج میشوند، با ویژگیهای آماری موجک، بردار ویژگی قویتری خواهد ساخت. در این تحقیق دو روش مبتنی بر ویژگیهای آماری موجک و ویژگیهای بافت تصویر، برای تحلیل تصاویر اثر انگشت بیماران استفاده شده است.<o:p /> یافته‌ها: تبدیل موجک و ویژگیهای استخراجی از ضرایب موجک، در آنالیز تصاویر، قویتر از روشهای مبتنی بر تبدیل فوریه مانند Power Spectrum عمل میکنند. روش مبتنی بر ترکیب واریانس زیرباندهای موجک و ویژگیهای بافت بهترین نتایج را داشته است، که در مورد اعتیاد 73 درصد و در مورد دیابت 67 درصد بوده است.<o:p /> نتیجه‌گیری: نتایج این روشها در تشخیص ارتباط بیماریها با اثر انگشت امیدوارکننده است. این موضوع نیازمند تحقیقات بیشتر و عمیق‌تر است.<o:p /> Background: Human skin more than any other part of the body, is exposed to the risks of diseases and complications of labor. One of the applications of study on the relationship between skin and diseases is use of fingerprints in the diagnosis and the subsequent treatment of it. We analyzed the fingerprint images of two systematic diseases namely diabetes and addiction.<o:p /> Methods: The first method has been used in the data analysis was power spectrum. The results showed that in order to extract the features from fingerprint images other methods must be found. The combination of textural features extracted from the wavelet coefficients with the statistical features of wavelet, will make stronger feature vector. In this thesis, two methods based on statistical characteristics of wavelet and texture features of images have been used for analysis of fingerprint images in patients.<o:p /> Results: Wavelet transform and extracted features from wavelet coefficients act stronger than the Fourier transform in image analysis. Combination of wavelet and texture features had the best results. Results of addiction and diabetes test were 73% and 67% respectively.<o:p /> Conclusions: These results are promising in detecting relationship between fingerprints with diseases. More research is needed on this topic.<o:p /> اثر انگشت، بیماری، Power Spectrum، موجک، بافت. Fingerprint, Diseases, Power spectrum, Wavelet, Texture. 49 57 http://rjms.iums.ac.ir/browse.php?a_code=A-10-1-1489&slc_lang=fa&sid=1 Saeideh Yousefzadeh سعیده یوسف زاده 3900319475328460025052 3900319475328460025052 Yes Shahrood University of Technology دانشگاه صنعتی شاهرود Morteza Zahedi مرتضی زاهدی 3900319475328460025053 3900319475328460025053 No Shahrood University of Technology دانشگاه صنعتی شاهرود