قطعه بندی تصاویر پزشکی با یادگیری بدون نظارت بر اساسمحاسبات مرکز جرم محلی

در قطعه بندی تصاویر پزشکی هر بافت یا هر قسمت از تصویر در یک محدوده مرزبندی شده قرار می گیرد و هدف از انجام آن،تشخیص بهتر هر قسمت از بافت های تصویر است. در این مقاله، یک روش برای قطعه بندی تصاویر پزشکی بررسی می شود که برمبنای یادگیری بدون نظارت بوده و نیازی به آموزشهای اولیه یا مجموعه داده آموزشی ندارد. روش قطعه بندی در این مقاله، برمبنایمحاسبات مرکز جرم محلی است. در این روش یک پیکسل به عنوان مرکز جرم در نظر گرفته می شود و با پیکسل هایی که ویژگیمشابه با آن دارند در یک ناحیه قرار میگیرند. این محاسبات ابتدا در فضای یک بعدی انجام میشود و با استفاده از الگوریتمتکرارشونده و جهت های محاسبه، تصویرهای دوبعدی و سه بعدی نیز قطعه بندی می شوند. تصاویر پزشکی مورد استفاده، تصویراشعه ایکس دوبعدی دست و تصویر تشدید مغناطیسی سه بعدی شکم هستند. برای بررسی عملکرد روش محاسبات مرکز جرممحلی از سه روش دیگر که با یادگیری بدون نظارت هستند برای مقایسه استفاده می شود: آبپخشان، میدان تصادفی پنهان مارکوفمبتنی بر مدل مخلوط گاوسی و خوشه بندی تکراری خطی ساده. نتایج نشان میدهند روش مرکز جرم محلی در مقایسه با دیگرروش های قطعه بندی، عملکرد بهتری دارد .

کلیدواژه ها:

قطعه بندی ، یادگیری بدون نظارت ، مرکز جرم محلی ، تصاویر پزشکی