طبقه بندی تصاویر MRI با شبکه عصبی SOM و خوشه بندی آنتروپی موجک یا گرادیان

هدف اصلی از تقطیع تصاویر MR مغزی، قطعه بندی تصاویر به نواحی متفاوت برای نشان داده ساختار آناتومیک است. قطعه بندی تصاویر MRI بسیار مورد توجه پزشکان در سراسر دنیا قرار گرفته است. داشتن رزولوشن مکانی عالی و کنتراست بافت عالی، نمایش دقیق تر و ر یز به ریز ذرات سیاه، ذرات خاکستری، و مایع مغزی نخاعی، راهی را جهت تشخیص اختالالت مغزی مانند زوال عقلی، اسکیزوفرنی، شیزوفرنی، آلزایمر و … را ایجاد می کند. تقطیع تصاویر مغزی به نمایش بهتر سه بخش ذرات سفید ، ذرات خاکستری و مایع مغزی نخاعی می پردازد که ممکن است بیماری های بسیاری را به تصویر بکشد.این پیادهسازی به روشی غیر نظارتی جهت تقطیع تصاویر MRI بر پایه شبکه عصبی SOM یا خود سازمانده و الگوریتم ژنتیک می پردازد. روش پیشنهادی در این پروژه، پنج مرحله، شامل تصویر ورودی، استخراج ویژگی، انتخاب ویژگی به وسیله روش های محاسبات تکاملی، طبقه بندی وکسل ها توسط شبکه عصبی خود سازمانده و خوشه بندی نگاشت های تیز در تصویر است. عالوه بر موارد ذکر شده، مکانیزم خوشه بندی پیشنهادی برای نشان دادن تعیین حاشیه خوشه ها با در نظر گرفتن فضای خروجی و ارتباط آن با فضای ورود ی می باشد.روش های بسیاری جهت تقطیع تصویر MRI به روش های گوناگون تا به حال ارائه شده است که از معروف ترین آنها SVM یا ماشین بردار پشتیبان، روش EM، روش نگاشت تطبیقی )AMAP(، استفاده از پردازش هیستوگرام، استفاده از نگاشت بایاس )BMAP(، روش Cmeans، روش Kmeans،روش Fuzzy Cmeans یا FCM و … می باشد.

کلیدواژه ها:

MRI ، تومور ، استخراج ویژگی ، انتخاب ویژگی ، شبکه عصبی SOM ، خوشه بندی نگاشت