It is a fact that the eye can be used as a tool for the diagnosis of various diseases of the human body. Iridology aims to interpret the signs appearing on the iris. More specifically, it studies the singularity of colored substances i.e. the marks presenting the differences in color from other points in the iris. Next it matches the area where the mark is located with the human organs by using a special diagram. Finally, the state of the human body depends on the observed color. From the view of Computer Science it is an interesting subject for general research and the fields of Image Processing and Pattern Recognition as it provides enough problems to requiring a solution. In this thesis two programs where developed representing the aforementioned fields targeting in locating toxic sediments i.e. great size colored substances. There is the belief that these sediments symbolize a disrupted neural system, a weak hepatic function, a kidney infection, a malfunction of the pancreas and inherited chemical substances. More specifically, an application was developed in Matlab which automatically performs a diagnosis. It is based on Canny edge algorithm and by using functions it aims in pixel calculation which could correspond to important marks. In the same time, it creates a copy of the manipulated image which could later be further studied or saved. A Notepad file, also, it includes important personal data of the patient as well as the produced results. It must be noted the control areas a program was developed to locate the coordinates using OpenCV. The test proved that the calculated values can vary depending the input image. Moreover, an application was realized using RapidMiner targeting to automatically recognize toxical sediments. The process starts with the Statistical Region Merging to segmentation the images and at the same time the characteristics at the ROI and Global levels are extracted. Later, the value of the data is re-evaluated using the Significance Analysis of Microarrays algorithm and following the training with combination of Bayes classification is performed. The above process is considered normal as they don’t absolutely correspond to the best case examples. In conclusion, the methods described above, can be modified and used to solve other problems. There is the saying that an image is a thousand words, it was calculated that an area of 24*24 pixels presents 45396 characteristics.
Αποδεδειγμένα το μάτι μπορεί να αξιοποιηθεί σαν εργαλείο για την διάγνωση του ανθρώπινου οργανισμού. Η Ιριδολογία προσπαθεί να ερμηνεύσει τα σημάδια, που εμφανίζονται στην ίριδα. Ενδεικτικά εξετάζει την ιδιομορφία των χρωστικών, δηλαδή των στιγμάτων που παρουσιάζουν χρωματική διαφορά, από το υπόλοιπο σύνολο. Έπειτα διενεργεί αντιστοιχία των περιοχών με τα ανθρώπινα όργανα, με την χρησιμοποίηση ειδικού διαγράμματος. Όσο αναφορά την κατάσταση του οργανισμού, εξαρτάται από την παρατηρούμενη απόχρωση. Από την οπτική της Πληροφορικής είναι ένα ενδιαφέρον αντικείμενο, για την γενική έρευνα και την εφαρμογή των τομέων Επεξεργασίας Εικόνας και Αναγνώρισης Προτύπων, εφόσον παρέχει αρκετά προβλήματα προς επίλυση. Στην δεδομένη εργασία υλοποιήθηκαν δύο προγράμματα, που εκπροσωπούν τα προαναφερόμενα πεδία και στοχεύουν στον εντοπισμό τοξικών ιζημάτων, δηλαδή μεγάλου μεγέθους χρωστικών. Πιστεύεται, ότι συμβολίζουν το διαταραγμένο νευρικό σύστημα, την αδύναμη ηπατική λειτουργία, την λοίμωξη των νεφρών, την δυσλειτουργία του πάγκρεας και κληρονομικές χημικές ουσίες. Ειδικότερα αναπτύχθηκε εφαρμογή σε περιβάλλον Matlab, που πραγματοποιεί μηχανικά την διάγνωση. Στηρίζεται στον αλγόριθμο ακμών Canny και με εκτέλεση συναρτήσεων αποσκοπεί στον υπολογισμό εικονοστοιχείων, που ενδέχεται να αντιπροσωπεύουν σημαντικά σημάδια. Ταυτόχρονα δημιουργεί αντίγραφο της τροποποιημένης εικόνας, για ενδεχόμενη αποθήκευση ή μετέπειτα παρατήρηση και αρχείο τύπου Notepad (.txt), που περιλαμβάνει προσωπικά στοιχεία του εξεταζόμενου και τα παραγόμενα αποτελέσματα. Επισημαίνεται ότι για την οριοθέτηση των περιοχών ελέγχου, κατασκευάστηκε πρόγραμμα για την ανάκτηση συντεταγμένων με χρήση βιβλιοθήκης OpenCV. Οι δοκιμές απέδειξαν εναλλαγές των υπολογιζόμενων τιμών, ανάλογα την εικόνα εισόδου.Επιπλέον υλοποιήθηκε εφαρμογή με την αξιοποίηση του RapidMiner, για αυτοματοποιημένη αναγνώριση τοξικών ιζημάτων. Η διαδικασία εκκινείτε με τον αλγόριθμο Statistical Region Merging, για την τμηματοποίηση των εικόνων και συγχρόνως εξάγονται τα χαρακτηριστικά γνωρίσματα σε επίπεδο ROI και Global. Στην συνέχεια επανεκτιμάτε η αξία των δεδομένων με χρήση του αλγόριθμου Significance Analysis of Microarrays και ακολουθεί η εκπαίδευση συνδυασμού ταξινομητών Bayes. Οπότε για οποιαδήποτε καινούργια εικόνα που εισάγεται στον μηχανισμό, εντοπίζονται τα τοξικά ιζήματα. Τα αποτελέσματα είναι ενθαρρυντικά, εφόσον δεν εμφανίζει λανθασμένες εκτιμήσεις αλλά λιγότερες. Θεωρείτε φυσιολογικό, εάν αναλογιστούμε ότι οι παραγόμενες τιμές δεν ανταποκρίνονται απόλυτα με τα θετικά παραδείγματα.Εν κατακλείδι, οι μεθοδολογίες μπορούν να τροποποιηθούν και να χρησιμοποιηθούν για την επίλυση άλλων προβλημάτων. Το ρητό αναφέρει ότι μια εικόνα ισούται με χίλιες λέξεις, έχει υπολογιστεί ότι η περιοχή των 24*24 εικονοστοιχείων παρουσιάζει 45.396 χαρακτηριστικά.
Πανεπιστήμιο Αιγαίου
