استخراج اطلاعات بالینی جهت تشخیص تومور با استفاده از پردازش تصاویر MRI با استفاده از الگوریتم SVM

MRI یک ابزار موفق در جمع آوری اطلاعات در عمق بافت مغز است. امروزه علم پزشکی بشدت متکی بر MRI می باشد و خواستار تجزیه و تحلیل خودکار از این روش تصویربرداری است. MRI مغزی نسبت به سایر روش های تصویربرداری از مغز قابلیت تفکیک فضایی بالا و تشخیص دقیق بافت های نرم را به دنبال دارد. این امر موجب گردیده که امروزه جهت بررسی آسیب شناسی کمی، مطالعات کلینیکی و تهیه ی اطلس های کامپیوتری از بافت های بدن به طور وسیعی از تصاویر MRI به عنوان مرجع و راهنمای تشخیصی استفاده شود و بسیاری از ضایعات و بیماری های مرتبط با مغز از جمله تومورها، به این طریق شناسایی و درمان شوند. انتخاب روش مناسب برای پردازش نوع خاصی از تصاویر MRI کار دشواری است بنابراین هیچ روش کلی قابل قبولی برای طبقه بندی تصاویر وجود ندارد. درنتیجه به یک روش تقسیم بندی کارآمد جهت طبقه بندی تصاویر MRI مغزی نیاز است؛ از این رو در این تحقیق، به استخراج اطلاعات بالینی (شامل تعداد، اندازه و موقعیت تومورها) جهت تشخیص تومور با استفاده از پردازش تصاویر MRI به کمک الگوریتم SVM پرداخته می شود. روش پیشنهادی در این پژوهش بر مبنای استخراج ویژگی از ماتریس GLCM بوده و قابلیت طبقه بندی تصاویر MRI در سه گروه حجیم، خوش خیم و عادی را دارا است. بطور خلاصه روش پیشنهادی در این پژوهش از مراحل زیر تشکیل شده است: ۱) بخش بندی تصویر ورودی با استفاده از الگوریتم k-mean، ۲) اعمال تبدیل ویولت مرتبه ۳ به خروجی مرحله ۱، ۳) محاسبه ماتریس GLCM روی تبدیل ویولت مرتبه ۳، ۴) استخراج ویژگی های مطلوب روی ماتریس GLC، ۵) استفاده از طبقه بند SVM به منظور طبقه بندی تصویر موردنظر در طبقه مناسب استفاده می شود. در مقایسه با سایر مراجع، روش پیشنهادی در این پژوهش قابلیت طبقه بندی تصاویر MRI در سه طبقه حجیم، خوش خیم و بدون تومور را دارا بود. به علاوه روش پیشنهادی در این پژوهش می تواند تصاویر را با دقت ۹۸.۳٪ در طبقه صحیح خود طبقه بندی نماید که نسبت به تمامی مراجع این زمینه دارای دقت بهتری می باشد.

کلیدواژه ها:

تشخیص تومور ، پردازش تصاویر ، MRI ، الگوریتم SVM