کاربرد الگوریتم تشخیص لبه جهت بررسی تصاویر پزشکی MRI مربوط به تومورهای مغزی

برای اینکه بتوان اطلاعات مفیدی از تصاویر MRI استخراج کرد. باید قطعه بندی یا بخش بندی موثر بر روی تصویر MRI راانجام داد و از اپراتورهای مناسب برای تشخیص لبه تصویر استفاده نمود. نتایج پژوهش ها نشان دهنده این است که اطلاعاتلبه تصویر MRI به دست آمده با روش تشخیص لبه مبتنی بر شبکه عصبی کامل تر بوده و زمان پردازش آن نزدیک به ۳ برابرسریع تر از تشخیص لبه رایج است. تومورهای مغزی عامل اصلی مرگ و میر ناشی از سرطان در کودکان است. آنها به دلیلرشد غیرطبیعی و کنترل نشده سلول ها در داخل مغز یا کانال نخاعی ایجاد می شوند. طبقه بندی تومورهای مغزی با استفاده ازفناوری یادگیری ماشینی برای رادیولوژیست ها بسیار مرتبط است تا تجزیه و تحلیل خود را به طور موثرتر و سریع تر تاییدکنند. الکوریتم تقسیم بندی شناسایی شده برای تشخیص تومور از اسکن های مغزی MRI باید رشد تومور بی شکل را به طورکامل تشخیبص دهد. تشخیص لبه سوبل بکی از تکنیک های بر کاربرد تشخیص لبه است که در آن فقط اطلاعات در امتدادجهت های افقی و عمودی در نظر گرفته می شود. در این تحقیق الکوریتم های مورد استفاده جهت بررسی تومورهای مغزی درتصاویر مورد ارزیابی فراتر گرفته است. نتایج بررسی ها نشان می دهد که Sobel-۸ نسبتا مناسب ترین تکنیک برای تجزیه وتحلیل تصاویر MRI تومور مغزی است. همچنین, اپراتور Canny بهترین ایراتور در بین اپراتورهای متداول برای تشخیص لبهبر اساس همان تصویر MRI است.

کلیدواژه ها:

تصاویر MRI ، تومورهای مغزی ، تشخیص لبه تصویر اپراتور Canny