بهبود قطعه بندی تصاویر تومور مغزی با استفاده از ترکیب خوشه بندی فازی و الگوریتمPSO

امروزه نقش علوم کامپیوتری در تجزیه و تحلیل اسناد پزشکی و کمک کردن به پزشکان جهت تصمیم گیری بهتر و دقیق تر بسیار وسیع تر و کاربردی تر شده است. بیماری تومور مغزی علی رغم اینکه نرخ پایینی از بیماری های رایج جامعه را به خود اختصاص می دهد، اما با توجه به اهمیت عضو مغز برای حیات انسان، یکی از مهمترین و حساس ترین بیماری های امروز بشر تلقی می گردد. تا امروز از روش های مختلفی مانند داده کاوی، یادگیری ماشین و محاسبات نرم برای تشخیص و پیش بینی بیماری های مختلف به استفاده شده است. پردارش تصاویر دیجیتالی یکی از راهکارهای مفید جهت آنال یز و تحلیل بیماری هایی مانند آسیب های استخوانی، بیماری های عروقی و بیماری تومور مغزی می باشد. در این پایان نامه بر اساس الگور یتم های خوشه بندی فازی و کوچ پرندگان روشی بهینه جهت قطعه بندی تصاویر سی تی اسکن و تشخیص تومور مغزی ارایه می شود. نتایج حاصل از شبیه سازی روش پیشنهاد ی حاک ی از بهبود عملکرد الگور یتم FCMتوسط الگوریتم PSO جهت تشخیص تومور مغزی می باشد.

کلیدواژه ها:

تومور مغزی ، خوشه بندی فازی ، الگوریتمPSO