تشخیص زودهنگام و تقسیم بندی بیماری خاص مغزی با استفاده از داده کاوی درمجموعه داده ها

با توجه به گسترش روزافزون بیماری های مغزی، از جمله تومورهای سرطانی، محققان زیادی تلاش برای کشف زودهنگام این بیماری نموده اند از جمله روش های رایانه ای که برای شناسایی تومورهای مغزی مورد توجه قرارگرفته است، روش های داده کاوی می باشد. روش های داده کاوی برای بررسی حجم زیادی از داده ها و تجزیه و تحلیل آنها و همچنین شناسایی الگو های مشخص در داده ها به کار می رود. تشخیص زودهنگام تومورهای مغزی در افزایش احتمال بهبود با درمان و زنده ماندن بیماران نقش مهمی ایفا میکند. با وجود تلاش های متعدد و نتایج امیدوار کننده در جامعه تصویربرداری پز شکی، تقسیم بندی دقیق، تجدید پذیر و شنا سایی ناهنجاری ها، هنوز هم به دلیل تنوع شکل، محل و کیفیت تصویر تومورها یک چالش و کاری سخت محسوب می شود. برخی از این رو شها همچنین ممکن است ساختارهای اطراف تومور را تغییر دهند یا ممکن است توام با ورم یا نکروزیس باشند که کیفیت تصویر تومور را تغییر می دهند. بنابراین، باید تقسیم بندی صحیح، به ویژه در مرز بین تومور و ورم انجام شود که در طراحی یک تومور مغزی استخراج می شو د . ا ستفاده از داده کاوی با روش تقسیم بندیتصویر تومور مغزی براساس مجموعه داده است . د ر این روش ابتدا با استفاده از اپراتور سوبل برای تشخیص لبه ناحیه تصویر شناسایی شده سپس با استفاده از الگوریتم آستانه، برای آستانه گیری نقاط تصویر جهت لبه ها استفاده شده است. سپس با مقایسه آستانه و اپراتور سوبل، لبه های اصلی ناحیه تصویر تشخیص داده شده سپس ناحیه کاندید، مشخص شده در نهایت با اعمال لبه یابی روی ناحیه کاندید با روش پیشنهادی برای تقسیم بندی خودکار نواحی موردنظر بدست می آید و آن ناحیه ای که سطح روشنایی بالاتری دارد به عنوان ناحیه تومور مغزی شناخته می شود.

کلیدواژه ها:

تقسیم بندی ، داده کاوی ، تومورهای مغزی ، الگوریتم سوبل ، آستانه گیری.