استفاده از الگوریتم تکاملی فاخته جهت خوشه بندی تصاویر دیجیتالی تومورهای مغزی

الگوریتم های تکاملی، برای جستجو و یافتن بهینه سراسری مورد استفاده قرار میگیرند. الگوریتم PSO، کرم شبتاب، خفاش و فاخته (CS) نمونههایی از این الگوریتم ها میباشند. یکی از بهترین این الگوریتم ها الگوریتم فاخته است که تاکنون در کاربردهای بسیاری مورد استفاده قرار گرفته است و دارای کارایی بسیار بالایی در امر جستجو میباشد. در این مقاله، از الگوریتم فاخته جهت خوشه بندی و تصاویر مغناطیسی مغز (MRI) استفاده میشود. تصویر برداری از مغز انسان جهت کمک به پزشکان در امر تشخیص تومورهای سرطانی کاربرد زیادی دارد. با توجه به پیچیدگی بسیار بالای مغز انسان، شناسایی تومورها در آن امری بسیار سخت و مهمی برای پزشکان است. تشخیص بخش های مختلف مغز کار بسیار سخت و حساسی میباشد. پزشکان باید بر اساس تصاویر مغناطیسی تومورهای مغزی را تشخیص دهند. با توجه به این امر که تومورها معمولا در یکی از بافتهای طبیعی مغز رخ میدهند و ممکن است از نظر تصویر چیزی مشابه بافتهای مغز باشند، تشخیص آنها بسیار سخت خواهد بود. یک الگوریتم خوب و قدرتمند جهت جستجو و تشخیص این تومورها در تصاویر مغناطیسی میتواند سرعت و دقت تشخیص تومورها را در مغز بسیار بالا ببرد. یکی از بهترین راهکارها، استفاده از الگوریتم تکاملی فاخته است. در الگوریتم ارایه شده در این مقاله تصاویر مغناطیسی مغز مورد بررسی قرار گرفته و سپس دسته بندی میشوند. سپس با استفاده از الگوهای به دست آمده از این تصاویر، به جستجوی تومور در تصویر مورد نظر میپردازد. نتایج بدست آمده نشان میدهد این الگوریتم دارای کارایی بهتر در مقاسیه با دیگر روشهای ارایه شده تاکنون، دارد. این الگوریتم در محیط نرمافزا متلب پیاده سازی شده است و نتایج آن در مقاله ارایه شده است.

کلیدواژه ها:

تومور ، خوشه بندی ، الگوریتم تکاملی فاخته ، بهینه سازی