شناسایی تومور با استفاده از ماشین بردار پشتیبان و الگوریتم تکاملی خفاش براساس کانتور فعال

یکی از کاربردهای پردازش تصویر در زمینه پزشکی، تشخیص تومور با استفاده از تصاویر MRI است. با استفاده از قطعه بندی تصاویر MRI میتوان قسمت های مختلف بافت های مغزی را از هم جدا نمود و بافت های سالم و بافت های سرطانی را تشخیص داد. برای تشخیص تومورهای سرطانی چالش های زیادی وجود دارد. از جمله این چالش ها، شباهت بسیار زیاد بین ناحیه تومور و نواحی متورم و بافت های سالم است. از دیگر معضلات تشخیص تومور این است که ایجاد عارضه تومورهای مغزی در تمام مغز امکان تشکیل دارد و شکل و اندازه تومورها متفاوت است. به همین دلیل نمیتوان از یک الگوی خاص برای شناسایی تومورها استفاده کرد. قطعه بندی تصاویر مغزی نیازمند روشی دقیق و کارآمد است. در این مقاله راهکار اتوماتیک تشخیص تومور با استفاده از روش های ماشین بردار پشتیان، کانتور فعال و الگوریتم تکاملی خفاش ارایه شده است. در مدل پیشنهادی، ناحیه ای که در آن تومور وجود دارد با استفاده از ماشین بردار پشتیبان و خصوصیات استخراج شده ناحیه برچسب گذاری میشود از الگوریتم تکاملی خفاش براساس کانتور فعال برای پیدار کردن لبه های ناحیه تومور استفاده میگردد. با استفاده از الگوریتم تکاملی خفاش، مشکلات اساسی کانتور فعال ازبین رفته و باعث بهینه سازی کانتور فعال در پیدار کردن اشیاء میشود. نتایج آزمایشات نشان دهنده کارایی بالای مدل پیشنهادی است.

کلیدواژه ها:

تشخیص تومور ، کانتور فعال ، الگوریتم تکاملی خفاش ، دسته بندی تومور مغزی