طبقه بندی هماتوم ها در تصاویر CT مغز با استفاده از شبکه عصبی

هماتوم در آسیب های مغزی امری متداول تلقی می شود.یک سیستم طبقه بندی و کشف خودکار به پزشکان درتجزیه وتحلیل تصاویر پزشکی کمک می کند CT اسکن به دلیل هزینه ی کم، دسترسی گسترده، اسکن کردن سریع و کنتراست برترروش ترجیحی در آسیب های مغزی بشمار می رود. در این مقاله به سیستم خودکار کشف و طبقه بندی نوع هماتوم با استفاده از الگوریتم شبکه عصبی مصنوعی در مورد تصاویر CT بیماران مختلف پرداخته می شود. روش شامل چهار مرحله می شود، نخست پیش پردازش در مورد تصاویر CT مغز انجام می شود، در مرحله ی دوم مرکز ثق لهای هیستوگرام محور برای الگوریتم دسته بندی میانه های K آغاز می شوند تا تصویر را در دسته های مختلف بر اساس مقادیر تراکم پیکسل ها بخش بندی نماید. مرحله ی سوم شامل استخراج ویژگی ها از تصویر بخش بندی شده می باشد. در مرحله ی چهارم، شبکه عصبی مصنوعی بر طبق ویژگی های استخراج شده ازتصویر ایجاد و آموزش داده می شود. شبکه عصبی مصنوعی آموزشی (ANN) انواع هماتوم را بر اساس ویژگی هایشان طبقه بندی می کند.

کلیدواژه ها:

شبکه عصبی مصنوعی ، سی تی اسکن ، پردازش تصویر ، هماتوم ، خوشه بندی k-means ، بخش بندی