قطعه بندی تصاویر پزشکی بر پایه الگوریتم های FCM

قطعه بندی بافت های اندام آسیب دیده اولین بخش در تشخیص غدد سرطانی به صورت نرم افزاری می باشد که از آن به عنوان فاز پیش پردازشی یاد می شود. تداخل بافت های مجاور در یک اندام می تواند روند تشخیص را با مشکلات جدی مواجه نماید چرا که تولید بردار ویژگی ها از هر عضو نیازمند جداسازی دقیق همان قسمت می باشد. . به همین منظور استفااده از الگوریتمی که بتواند بافت های تصویر ورودی را به صورت کامل جداسازی نموده و تداخل در پیکسل های همسایه را به کمترین میزان خود برساند یک ضرورت به حساب امده و در نهایت افزایش کاراییمدل تشخیص یکی از مهم ترین نتایج چنین الگوریتمی خواهد بود. با توجه به مشکلاتی نظیر افزایش بازه خوشه ها و همچنین عدم حساسیت به داده های پرت و اینکه در همسایگی بافت های یک تصویر، پیکسل هایی که در مرز قرار می گیرند به کدام قطعه تعلق خواهند داشت، از منطق فازی برای تعیین مرزهای خاکستری استفاده شد از آنجایی که در تعیین دسته پیکسل ها ، هر عضو تنها میتواند به یک خوشه نسبت داده شود، استفاده از منطق فازی تعیین کننده مقدار عضویت یک پیکسل به چندین خوشه می باشد که تعیین مرز بین بافت های سالم و آسیب دیده را با دقت بیشتری مشخص می نماید چرا که این نواحی مرزی می تواند یک شریان حیاتی همانند یک رگ و یا لخته های خونی در اندام تصویربرداری شده باشند، بنابراین استفاده از روش های خوشه بندی سلسله مراتبی و ترکیب آن با منطق فازی در بخش بندی تصاویر براساس مرز بین طیف های رنگی متفاوت بسیار موفقیت آمیز بوده است در این مقاله به بررسی روش های قطعه بندی تصاویر بر پایه الگوریتم های FCM - Fuzzy CMean در تشخیص غدد سرطانی خواهیم پرداخت و روند تشخیص را در تصاویر پزشکی پیگیری می نماییم. مدل هایی که در این مقاله ذکر می شوند از شاخص ترین الگوریتم های تشخیص هستند که هدف نهایی هر کدام افزایش دقت به واسطه کاهش تعداد تداخل های داده ای در زمان آموزش داده ها یا فاز پیش پردازشی می باشد.

کلیدواژه ها:

الگوریتم های FCM ، تصاویر پزشکی ، سیستم فازی ، غدد سرطانی ، قطعه بندی