بخش بندی خودکار کبد در تصاویر سی تی مبتنی بر لبه یاب Kirsch، انتقال میانگین و خوشه بندی K-means

یکی از مسائل مطرح در علم پزشکی که توجه بسیاری از محققان را به­خود جلب کرده، جداسازی کبد از تصاویر توموگرافی کامپیوتری است. زیرا اولین مرحله در فرآیند تشخیص بیماری­ها و تومورهای کبدی، داشتن تصویری مناسب از کبد بخش ­بندی­ شده در این تصاویر می­باشد. هدف از این مقاله ارائه الگوریتمی خودکار برای بخش­ بندی کبد در تصاویر سی­تی­ است. تحقیقات گذشته نشان داده ­است استفاده از ویژگی بافت نتایج مطلوب تری را در این بخش ­بندی حاصل می کند. الگوریتم پیشنهادی این مقاله مبتنی بر تحلیل بافت بااستفاده از لبه ­یاب Kirsch، انتقال میانگین، و خوشه ­بندی K-means به ­بخش­ بندی کبد می­ پردازد. نتایج پیاده­ سازی الگوریتم  پیشنهادی بر روی ۴۰۰ تصویر سی­تی­ بیمارستان میلاد تهران حاوی کبد و ارگان­های جانبی، میانگین معیار Dice را ۹۶ ٪  نشان داده است. همچنین در بررسی عملکرد الگوریتم پیشنهادی بر روی پایگاه داده­ ی Sliver۰۷، میانگین معیار Dice برابر با ۸۶/۹۶ ٪ به ­دست آمده است. لذا الگوریتم پیشنهادی می تواند به­عنوان اولین مرحله در فرآیند تشخیص تومورها و بیماری های کبدی مورداستفاده قرار گیرد.

کلیدواژه ها:

بخش بندی خودکار کبد ، تصویربرداری سی تی ، لبه یاب Kirsch ، انتقال میانگین ، خوشه بندی K-Means