بخش‎بندی ضایعات مغزی در تصاویر ام آر آی با استفاده ازالگوریتم های آب‎پخشان، FCM ، K-means و مقایسه آنها

پردازش تصاویر پزشکی با استفاده از تکنیک‎های هوش مصنوعی امروزه یکی از زمینه‎های پرکاربرد در این حیطه است. با پردازش رقمی تصاویر پزشکی علاوه بر صرفه‎جویی در زمان و نیروی متخصص و بالا رفتن صحت نتایج به‎دست آمده، اطلاعات مفیدی از روی تصاویر، قابل استخراج هستند. در میان تصاویر پزشکی، پردازش تصاویر MRI از جهت پرکاربردترین روش تشخیصی غیر تهاجمی بیش از سایر روش‎ها، می‎تواند مفید واقع شود. تفکیک اجزای اصلی مغز یعنی ماده سفید، ماده خاکستری و مایع مغزی- نخاعی و افتراق آن‎ها از بافت ناسالم (تومورها) نیاز به دقت بالایی دارد که با روش‎های معمول تصویربرداری به راحتی قابل دستیابی نمی‎باشند. تکنیک‎های عمومی تشخیص لبه (سوبل، پریویت، روبرتز و کنی) می‎توانند برای تعیین مرز و لبه بکار بروند، ولی به‎دلیل بروز نویز و شیب تند تغییرات روشنایی تصاویر پزشکی، امکان بخش‎بندی صحیح و دستیابی به لبه صاف و واضح مشکل می‎باشد و جهت بهبود تصاویر، تکنیک‎های مختلف فیلترهای محو کننده و یا افزایش تضاد استفاده می‎گردند. در این مقاله جهت کمینه کردن خطا در روند بخش‎بندی تصویر و برای بهبود آشکارسازی لبه تصاویر MRI (تومور مغزی) از الگوریتم های آب‎پخشان، اتسو، K-means و FCM استفاده شده است. در پایان، نتایج مورد مقایسه قرار گرفته است و نتیجه الگوریتم پیشنهادی که حاصل استفاده از متد اتسو در مرحله دوم و اعمال الگوریتم آب‎پخشان است، بهتر از نتیجه FCM بوده است.

کلیدواژه ها:

، (بخش‎بندی تصویر) ، (پردازش تصویر) ، (آب‎پخشان) ، (خوشه بندی) ، (FCM) ، (K-means)