قطعه بندی بهینه تمام اتوماتیک کبد در تصاویر CT اسکن جهت تشخیص ضایعه ی سرطانی

به دلیل اهمیت حیاتی کبد، بیماری های کبد تهدید کننده زندگی بشر هستند که بدون هیچ پیش هشداری رخ می دهند. سرطان کبد یکی از رایج ترین سرطان ها می باشد و از علل افزایش مرگ و میر در جهان می باشد. در قطعه بندی تصاویر پزشکی، هدف اصلی تجزیه کردن آنها به ساختارهای مختلف آناتومی می باشد، که اجزایی مانند رگ های خونی وتومورهای کبد را از پیش زمینه آنها جدا می سازد. قطعه بندی کامپیوتری کبد، به دلیل شکل پیچیده آن و تشابه کبد با بافت های مجاور از نظر روشنایی ونیز وضوح وکنتراست ضعیف تصاویر، مسیله چالش برانگیزی می باشد. تاکنون تلاش های متعددی برای قطعه بندی خودکار ضایعه کبد انجام شده است، اما همچنان قطعه بندی کبد بعنوان یکی از مسایل باز در زمینه تشخیص سرطان کبد مطرح است. در این مقاله از الگوریتم خوشه بندی C-Mean فازی جهت قطعه بندی تصاویر استفاده شده است و به منظور قطعه بندی بهینه تصاویر سی تی اسکن و تشخیص تومور روشن جدیدی بر پایه الگوریتم هوشمند فاخته (Cuckoo) ارایه شده است تا مراکز دسته ها در خوشه بندی را بصورت بهینه جایابی کرده و خروجی بهینه را تولید کند. در نهایت با پیاده سازی الگوریتم پیشنهادی (COAFCM) بر روی تصاویر پزشکی و مقایسه با دو روش CAFCM و PSOFCM، برتری روش پیشنهادی به خوبی نشان داده شده است. نتایج شبیه سازی برتری روش پیشنهادی را از لحاظ دقت (بطور متوسط 0.8846)، مقدار پیش فرض منفی (بطور متوسط 0.9166)، سرعت و تابع هزینه را نشان می دهد.

کلیدواژه ها:

قطعه بندی کبد ، قطعه بندی تومور ، الگوریتم C-Mean فازی ، الگوریتم بهینه ساز فاخته