Meningitis Disease Analysis and Diagnosis using Neural Networks

Abstract

مستخلص يعد التهاب الخلية الدماغية أحد أكثر الأمراض البكتيرية شيوعًا التي تصيب البالغين والأطفال وخاصة الرضع وذلك يجعل هذا المرض ذو تأثير اجتماعي واقتصادي. يُصنَّف التهاب السحايا وفقًا لمسبباته البكتيرية أو الكيميائية ويصيب ايضا بالفيروسات والفطريات. يتم علاج معظم عدوى الالتهاب السحائي في حالة التشخيص المناسب والرعاية الطبية المؤهلة ، ولكن في حالة تأخر التشخيص وتأخر اكتشاف المرض ، يمكن أن يؤدي ذلك إلى إعاقة عقلية أو بدنية أو الوفاة ، وغالبًا ما تكون الإصابات الخاصة للأطفال دون سن سبعة سنوات. اشتملت الدراسه المقدمه في هذه الرسالة على معالجه الصورالماخوذه من مسحة السائل النخاعي للمرضى الذين لديهم أو يشتبه في إصابتهم بالتهاب السحايا. تستخدم الدراسة تقنيات معالجة الصور والتعلم الآلي لتحليل وتنفيذ البيانات التي تم جمعها من مستشفى الأمين حامد للأطفال في أم درمان ، السودان. تم الكشف عن ثلاثة أنواع من الالتهابات البكتيرية. هذه هي هيمفلس النزليه السحائيه النوع ب النيسرية السحائية والاستربوكوكس بنميه. ان التشخيص الطبي الدقيق ضروري لتوفير خيار العلاج الأكثر فعالية و يمكن أن تلعب تقنيات معالجة الصور الرقمية والتعلم الآلي دورًا بارزًا في عملية التشخيص الطبي. تتكون المنهجية المقدمة في هذا البحث من عدة مراحل وهي: اكتساب الصورة ، وتقسيم اوتجزئة الصورة ، استخلاص واختيار السمات والمميزات للمنطقه المهمه في الصوره ، ثم التصنيف لهذه الصور. تناول تجزئة الصورة ومعالجه صورالخلايا البكتيرية المستخلصه العديد من القضايا الرئيسية في تجزئة وعزل صور الخلايا البكتيرية من محيط صور سائل النخاع الشوكي ومكوناته الاخري. استخدامت أنواع مختلفة من السمات لاستخراج مورفولوجيا صور الخلايا البكتيرية ، بما في ذلك الشكل والملمس واللون. تم استخراج أربعة عشر ميزات لكل صورة خلية بكتيرية. تم استخدام الشبكة العصبية الاصطناعية لتصنيف صور الخلايا البكتيرية وهي هيمفلس السحائيه النوع ب النيسرية السحائية والاستربوكوكس بنميه. تم تحقيق دقة تصنيف صور البكتريا بنسبة 100٪ في بعض أنواع البكتيريا. ومن المتوقع أن تزيد التقنيات المقترحة في هذه الدراسه من دقة وسرعة التشخيص لمرض التهاب السحايا الدماغي ومقدرات أخصائيي المختبر والاطباء المختصين لتشخيص المرض.

ABSTRACT Brain cell inflammation is one of the most common bacterial diseases affecting both adults and children, especially infants and this makes this disease a social and economic impact. Meningitis is classified according to its bacterial or chemical causes, also affects viral and fungi. Most Meningitis infection is treated with proper diagnosis and qualified medical care, but if the diagnosis delayed, this can lead to mental or physical disability or death, often-special injuries for children under the seven years of age. The study presented in this thesis focuses on the treatment of images taken from cerebrospinal fluid smear for patients who have or are suspected of have Meningitis. The study uses image processing and machine-learning techniques to analyze data collected from Al-Ameen Hamid Children's Hospital in Omdurman, Sudan. Three types of Bacterial infections were detected. These are Haemophilius influenzaet type b Neisseria meningitides and Streptococcus pneumonia. Accurate medical diagnosis is necessary to provide the most effective treatment option. Digital image processing and automated learning techniques can play a prominent role in the medical diagnostic process. The methodology presented in this research consists of several stages, which are image acquisition, image segmentation, and feature extraction for important area in the image, selection, and then classification of these images. Image segmentation and treatment of extracted bacterial cell images addressed several major issues in segmentation and isolation of bacterial cell images from the cerebrospinal fluid images and other components. Various types of features used to extract morphology bacterial cell images, including shape, texture and color. Fourteen features were extracted for each bacterial cell image. The artificial neural network was used to classify the Bacterial cell images into the Haemophilius influenzaet, Neisseria meningitis and Streptococcus pneumoniae. The classification accuracy of Bacteria images 100% is achieved. It is expected that the techniques proposed in this study will increase the accuracy and speed of diagnosis of meningitis and the capabilities of laboratory specialists and medical professionals to diagnose the disease.