خودکارسازی بخش بندی تصاویر MR مغز با ترکیب قابلیت های روش های خوشه بندی و مدل های شکل پذیر

بخش بندی خودکار تصاویر پزشکی، با استفاده از قابلیتهای مدلهای شکل پذیر از جمله مدل کانتور دینامیک گسسته و مدل "مار"، موضوعی است که در دهه اخیر نظیر بسیاری از متخصصین را به خود معطوف داشته است. در راهکردهای به کار بسته شده توسط محققین مختلف، هنوز مساله دخالت کاربر در ترسیم کانتور اولیه و اعمال تصحیحات به منظور همگرا نمودن کانتور به قعرهای تصویری نقش اساسی دارد. در شیوه مورد بحث این مقاله با در نظر گرفتن الگوریتم هایی جهت ترکیب بهینه داده ها، توانایی های دو شیوه بخش بندی متفاوت موسوم به خوشه بندی و کانتورهای دینامیک کنار یکدیگر بکار گرفته شده اند تا در کل، کاستیهای یکدیگر را پوشش دهند. مقایسه هایی که به صورت کمی و کیفی، بر نتایج اعمال رهیافت پیشنهادی و همچنین مدلی بدون در نظر گرفتن قابلیت های "مار" سولونوئیدی و الگوریتم تصحیح مطرح در این مقاله انجام پذیرفته، حکایت از عملکرد مطلوب روش پیشنهادی دارد. نتایج عملی حاکی از دستیابی به هدف اصلی تحقیق که خودکارسازی بخش بندی تصاویر بوده است، می باشند. علاوه بر این خودکارسازی، اجرای تصحیح پیشنهادی در مدل کانتور دینامیک، به میزان دو درصد موجب بهبود در تشخیص صحیح کورتکس مغز از تصاویر MR می شود. البته معیار در نظر گرفته شده سطح، برای مقایسه معیار چندان گویایی نیست و عملکرد روش پیشنهادی را به خوبی نشان نمی دهد.

کلیدواژه ها:

بخش بندی تصاویر ، خوشه بندی ، مدلهای شکل پذیر ، کانتورهای دینامیک گسسته