چکیده:
پزشکان به کمک تصاویر رزوناس مغناطیسی میتوانند بافتهای مختلف مغز را از هم تفکیک نموده و
تومورهای مغزی احتمالی در آن را شناسایی نمایند. عدم تشخیص دقیق نواحی تومور توسط پزشکان باعث
میشود در جراحی احتمالی تومور یا درمانهای دیگر، ناحیه توموری به خوبی از بین نرود و جان بیماران با
خطر مواجه شود. یکی از روشهای افزایش دقت تشخیص ناحیه توموری استفاده از روشهای خودکار
شناسایی تومور به کمک روشهای مانند ناحیه بندی تصاویر است. خوشه بندی فازی یکی از تکنیکهای
مهم پردازش تصویر و ناحیه بندی تصاویر محسوب میشود. یکی از چالشهای الگوریتمهای مختلف
خوشه بندی از جمله الگوریتم خوشهبندی فازی، انتخاب بهینه مراکز خوشه ها میباشد که انتخاب بهینه آنها
باعث بهبود خروجی خوشه بندی میشود. در این پژوهش جهت انتخاب مراکز خوشهها در الگوریتم
خوشهبندی فازی از مفاهیم هوش دسته جمعی ذرات استفاده شده است. در روش پیشنهادی هر ماتریس
عضویت خوشه بندی فازی در قالب یک ذره مدلسازی شده و تعدادی از این ماتریسهای عضویت در
قالب مجموعه ای از جمعیت اولیه الگوریتم ذرات بکار گرفته میشود تا بهترین مراکز خوشه ها برای
ناحیه بندی دقیقتر و تشخیص نواحی تومور مغزی در تصاویر تشدید رزوناس مغناطیسی بدست آید. نتایج
آزمایشات و پیادهسازیهای مختلف نشان میدهد که مقادیر متوسط شاخص جاکارد، شاخص شباهت،
٨٢ % و در مقایسه با . ١٧ % و ٩٥ .٩١ ،%٣٠ .٩٦ ،%٤٢ . دقت و حساسیت روش پیشنهادی به ترتیب ٩٤
از نظر شاخص شباهت و حساسیتب هتر SOM-FCM و KFCM ،FCM روشهای خوشه بندی
عمل مینماید.
خلاصه ماشینی:
در روش پیشنهادی هر ماتریس عضویت خوشه بندی فازی در قالب یک ذره مدلسازی شده و تعدادی از این ماتریس های عضویت در قالب مجموعه ای از جمعیت اولیه الگوریتم ذرات بکار گرفته میشود تا بهترین مراکز خوشه ها برای ناحیه بندی دقیق تر و تشخیص نواحی تومور مغزی در تصاویر تشدید رزوناس مغناطیسی بدست آید.
با توجه به اینکه مسئله تعیین بهینه مراکز خوشه بندی فازی یک مسئله بهینه سازی سخت و دشوار محسوب میشود آیا میتوان مجموعه ای از ماتریس های عضویت خوشه بندی فازی را در قالب ذرات مدلسازی نمود و با اجرای الگوریتم ذرات بهینه ترین ماتریس عضویت را که دارای مراکز بهینه تری نسبت به سایر ذرات است برای ناحیه بندی بهینه تصاویر تشدید مغناطیس مغز و تشخیص تومورهای مغزی استفاده نمود.
در این بخش یک روش پیشنهادی و ترکیبی برای بهبود الگوریتم خوشه بندی فازی به کمک الگوریتم هوش دسته جمعی ذرات ٦ا٤رایه میشود تا بر روی مجموعه ای از تصاویر پزشکی تشدید مغناطیسی مغز عمل ناحیه بندی را دقیق تر انجام داده و تومورهای مغزی را با دقت بالایی استخراج نماید.
Raw image (به تصویر صفحه رجوع شود)/ شکل (٤) :سه نمونه تصویر خام تشدید مغناطیسی مغز با انواع نویز لایه ناحیه بندی: در این لایه روش خوشه بندی فازی با الگوریتم هوش دسته جمعی ذرات ترکیب شده تا بهترین مراکز خوشه ها در تصویر تعیین شود.
Review of brain MRI image segmentation methods.
Segmentation of Brain MRI Image Based on Clustering Algorithm.