طبقه بندی هماتومها در تصاویر CT مغز با استفاده از شبکه ی عصبی

هماتوم در آسیب های مغزی امری متداول تلقی میشود. یک سیستم طبقهبندی و کشف خودکار میتواند به پزشکان در تجزیه و تحلیل تصاویر پزشکی کمک کند. CT اسکن به دلیل هزینهی کم، دسترسی گسترده، اسکن کردن سریع وکنتراست برتر روش ترجیحی در آسیبهای مغزی بشمار میرود. در این مقاله به سیستم خودکار کشف و طبقه بندی نوع هماتوم با استفاده از الگوریتم شبکهی عصبی مصنوعی ، در مورد تصاویر CT بیماران مختلف پرداخته میشود. روش کار این سیستم شامل چهار مرحله میباشد، نخست پیش پردازش در مورد تصاویر CT مغز انجام می شود، در مرحله ی دوم،هیستوگرامی بر مبنای مراکز ثقل، برای الگوریتم خوشهبندی k-means ، ایجاد میشود تا تصویر را در دستههای مختلف بر اساس مقادیر تراکم پیکسلها بخشبندی نمایند. مرحلهی سوم شامل استخراج ویژگیها از تصویر بخشبندیشده می- باشد. در مرحلهی چهارم، شبکهی عصبی مصنوعی بر طبق ویژگیهای استخراج شده از تصویر، ایجاد شده و سپس آموزش داده میشود. شبکهی عصبی مصنوعی ) ANN ( آموزش دادهشده، قادر خواهد بود انواع هماتوم را بر اساس ویژگیهایشان طبقهبندی کند.

کلیدواژه ها:

شبکهیعصبیمصنوعی (ANN) ، CT اسکن ، هماتوم ، هیستوگرام ، خوشهبندی K-means ، بخش بندی