بهبود قطعه بندی تصاویر سی تی اسکن با استفاده از ترکیب خوشه بندی فازی و الگوریتم دسته ماهی های مصنوعی

تشخیص دقیق بیماری های مربوط به مغز و میزان پیشرفت و یا بهبود تومور مغزی همیشه برای پزشکان متخصص از اهمیت ویژه ای برخوردار میباشد. یکی از موفق ترین تکنیکهای استفادهشده در این حوزه تکنیک خوشه بندی پیکسل ها میباشد. در این زمینه ترکیب خوشه بندی فازی و روشهای هوش جمعی نتایج مناسبی را ارائه داده است از الگوریتم های هوش جمعی برای یافتن جواب های مناسب برای مراکز اولیه خوشه ها استفاده می شود. اما با توجه به فضای مسئله در حوزه خوشه بندی تصاویر تومور مغزی، نیاز به راهکاری داریم تا علاوه بر جستجوی عمومی، در انجام جستجوی محلی بهتر عمل کند تا با دقت بالاتری پیکسلهای مراکز اولیه خوشه ها انتخاب گردند. ما در این مقاله جهت افزایش دقت قطعه بندی تصاویر سی تی اسکن از ترکیب الگوریتم خوشه بندی فازی و الگوریتم دسته ماهی های مصنوعی استفاده می کنیم. علت استفاده از الگوریتم دسته ماهی های مصنوعی این است که در حل مسائلی مانند یافتن مقادیر بهینه در بین پیکسل های تصویر، جستجوی عمومی مسئله را به صورت مناسبی انجام داده و در جستجوی محلی مسئله خیلی خوب عمل میکند. آزمایش های انجام شده در این مقاله نشان میدهد که الگوریتم دسته ماهی های مصنوعی در این تحقیق نتایج مناسب تری ارائه می دهد و نسبت به روش مطرح شده در مقاله پایه دقت قطعه بندی تصویر در حدود 3 %بهبود می یابد.