همایش آروین البرز MHHJR 1 4 2025 12 21 Measurement of Mouse Wound Area Using Image Processing and Comparison with Manual Methods اندازه‌گیری مساحت زخم در موش با استفاده از پردازش تصویر و مقایسه با روش‌های دستی 152 164 10.22051/jera.2021.31891.2698 FA امیر دانشگاه آزاد اسلامی، دانشکده زیستشناسی، واحد پرند، پرند، ایران میترا دانشگاه آزاد اسلامی، دانشکده زیستشناسی، واحد پرند، پرند، ایران سیم زر دانشگاه علوم پزشکی شهید بهشتی، گروه نانوفناوری پزشکی، دانشکده فناوریهای نوین پزشکی، تهران، ایران رویا دانشگاه آزاد اسلامی، گروه مهندسی کامپیوتر و فناوری اطلاعات، واحد پرند، پرند، ایران 2025 11 30 Accurate wound area measurement is essential for evaluating wound healing and treatment outcomes. This study aimed to develop and assess an automated image-processing method for wound area measurement in mice and to compare its accuracy with the conventional manual method using ImageJ software. Twelve mice with excisional wounds were photographed on days 14 and 21 post-injury. A blue diamond-shaped frame of known area (4 cm²) was placed around each wound as a reference scale. The images were processed using OpenCV algorithms, including color space conversion, image blurring, edge detection, contour extraction, and pixel counting. The wound area was calculated based on the ratio between wound pixels and the reference frame. The results were statistically compared with manual ImageJ measurements using an independent t-test. The automated image-processing method demonstrated a strong correlation (R = 0.96) with the manual method. The mean wound areas obtained by the manual and automated methods were 0.3248 cm² and 0.3159 cm², respectively. The difference between the two methods was not statistically significant (P = 0.5471). The absolute and relative differences were 0.0089 cm² and approximately 2.78%, respectively, indicating high accuracy and consistency. The proposed automated method provides accurate, rapid, and non-invasive wound area measurements comparable to manual ImageJ results. By eliminating the need for precise camera distance calibration and manual tracing, it offers an efficient alternative for laboratory wound assessment. Future improvements could further optimize this method and enable its implementation as a user-friendly mobile application for clinical and research use. اندازه‌گیری دقیق مساحت زخم برای ارزیابی روند ترمیم زخم و نتایج درمان ضروری است. هدف این مطالعه توسعه و ارزیابی یک روش خودکار پردازش تصویر برای اندازه‌گیری مساحت زخم در موش‌ها و مقایسه دقت آن با روش دستی متداول با استفاده از نرم‌افزار ImageJ بود. از دوازده موش دارای زخم بریدگی در روزهای ۱۴ و ۲۱ پس از آسیب‌دیدگی عکس‌برداری شد. یک قاب الماسی‌شکل آبی با مساحت مشخص (۴ سانتی‌متر مربع) به‌عنوان مقیاس مرجع در اطراف هر زخم قرار داده شد. تصاویر با استفاده از الگوریتم‌های OpenCV شامل تبدیل فضای رنگ، محو تصویر، تشخیص لبه، استخراج کانتور و شمارش پیکسل پردازش شدند. مساحت زخم بر اساس نسبت تعداد پیکسل‌های زخم به پیکسل‌های قاب مرجع محاسبه شد. نتایج به‌صورت آماری با اندازه‌گیری‌های دستی انجام‌شده توسط ImageJ و با استفاده از آزمون t مستقل مقایسه شدند. روش خودکار پردازش تصویر همبستگی قوی (R = 0.96) با روش دستی نشان داد. میانگین مساحت زخم به‌دست‌آمده توسط روش دستی و روش خودکار به ترتیب 0.3248 سانتی‌متر مربع و 0.3159 سانتی‌متر مربع بود. اختلاف بین دو روش از نظر آماری معنادار نبود (P = 0.5471). اختلاف مطلق و نسبی به ترتیب 0.0089 سانتی‌متر مربع و حدود 2.78٪ بود که نشان‌دهنده دقت و سازگاری بالا است. روش خودکار پیشنهادی اندازه‌گیری مساحت زخم را به‌صورت دقیق، سریع و غیرتهاجمی فراهم می‌کند و نتایجی قابل‌مقایسه با اندازه‌گیری دستی ImageJ ارائه می‌دهد. با حذف نیاز به کالیبراسیون دقیق فاصله دوربین و ترسیم دستی، این روش یک گزینه کارآمد برای ارزیابی آزمایشگاهی زخم ارائه می‌کند. بهبودهای آینده می‌توانند این روش را بیش‌ازپیش بهینه کرده و امکان پیاده‌سازی آن را به‌عنوان یک برنامه کاربردی موبایلی کاربرپسند برای استفاده‌های بالینی و پژوهشی فراهم سازند. /downloadfilepdf/586314