پردازش تصاویر پزشکی
عباس بینیاز؛ عطااله عباسی؛ موسی شمسی
دوره 7، شماره 2 ، شهریور 1392، ، صفحه 175-186
چکیده
بخش بندی تصویر را به بخش های مجزا تقسیم میکند که هر کدام از این بخش ها دارای سطوح روشنایییکنواختی هستند. از بین روشهای موجود روش خوشه بندیفازی FCM (fuzzy c-means clustering) دارای کاربرد وسیعی در ناحیهبندی تصاویر پزشکی است. عدم ادغام ویژگیهای مکانی در FCM استاندارد، از معایب این روش در ناحیهبندی تصاویر تشدید مغناطیسی MRI مغز انسان است؛ در این مقاله ...
بیشتر
بخش بندی تصویر را به بخش های مجزا تقسیم میکند که هر کدام از این بخش ها دارای سطوح روشنایییکنواختی هستند. از بین روشهای موجود روش خوشه بندیفازی FCM (fuzzy c-means clustering) دارای کاربرد وسیعی در ناحیهبندی تصاویر پزشکی است. عدم ادغام ویژگیهای مکانی در FCM استاندارد، از معایب این روش در ناحیهبندی تصاویر تشدید مغناطیسی MRI مغز انسان است؛ در این مقاله از روشی جدید برای بخشبندی و حذف نویز تصاویر MR با اعمال فیلتر مکانی گوسی در تابع عضویت فازی استفاده شده است. فیلتر مکانی مذکور، اثرات نویز در مرز بافتها و زوایای تصویر را بصورت بهینه ای مدیریت میکند؛ علاوه براین پیکسلی که به لحاظ آناتومیکییک بافت مجزا است مانند تومور در مراحل اولیهی رشد، شانس بیشتریبراییک خوشه شدن دارد. در پایان آزمایشات که بر روی پایگاه داده ISBR انجام شده است کیفیت روش پیشنهادی توسط توابع اعتبارسنجیمتداول مانند شاخص جاکارد و ضریب دایس مورد ارزیابی قرار گرفته است. از طرف دیگر در کاربردهای پزشکی به خصوص در شرایط اورژانسی، ضرورت سرعت عمل تمام عوامل پزشکی امری اجتناب ناپذیر است و الگوریتم ناحیهبندی از این قاعده مستثتی نیست، لذا برای دستیابی به این مهم توسط الگوریتمی مرکز ثقل اولیهی خوشهها ، مشخص میشود که زمان همگرایی تابع هزینه در FCM بهبود یافتهی مکانی گوسی، نسبت به CM استاندارد تا حد قابل قبولی کاهش مییابد.