عباس بی نیاز - دانشجوی کارشناسی ارشد مهندسی پزشکی
عطااله عباسی - استادیاردانشگاه صنعتی سهند تبریز
موسی شمسی - استادیاردانشگاه صنعتی سهند تبریز

ناحیه بندی تصاویر اهمیت بسیاری درپردازش تصاویر پزشکی دارد درطی دو دهه اخیر ازروشهای هوشمند زیادی برای ناحیه بندی تصاویر پزشکی استفاده شده است این مقاله به بررسی یکی ازاین روشها برمبنای خوشه بندی فازی FCM ( Fuzzy c-Means برای ناحیه بندی تصاویر تشدید مغناطیسی MRI ( Magnetic Resonance Imaging مغز انسان پرداخته است مبنای این روش کمینه کردن تابع هزینه وابسته به فاصله اقلیدسی نقاط تصویر ازمراکز خوشه هاست ویژگیهای FCM سرعت بالا و بدون سرپرست بودن آن است عدم استفاده ازویژیگیهای مکانی یکی ازمعایب این روش به شمار میرود بنابراین درمقاله حاضر برای بهبود کارایی FCM استاندارد ازاطلاعات مکانی پیکسلهای همسایه درتابع عضویت فازی استفاده شده است استفاده ازاطلاعات مکانی حضور نویز را درتصویر کاهش میدهد ازطرف دیگر درکاربردهای پزشکی به خصوص درشرایط اورژانسی ضرورت سرعت عمل تمام عوامل پزشکی امری اجتناب ناپذیر است و الگوریتم ناحیه بندی ازاین قاعده مستثنی نیست لذا برای دستیابی به این مهم توسط الگوریتمی مرکز ثقل اولیه خوشه ها مشخص میشود که زمان همگرایی تابع هزینه در FCM بهبود یافته مکانی نسبت به FCM استاندارد تا حدقابل قبولی کاهش می یابد.

بخش بندی تصاویر MR، مغز، خوسه بندی FCM، تابع عضویت فازی، مرکزثقل اولیه ی خوشه ها