آشکارسازی خودکار تومور مغزی در تصاویرMRI 3 Teslaبا استفاده از روش فازی

در این مقاله با توجه به خاصیت فازی ذاتی در تصاویر پزشکی، با ترکیب روش های پردازش تصویر و الگوریتم فازی روشی جدید جهت تشخیص و ناحیه بندی تومورهای مغزی در تصاویر MRI 3Tesla بدون تشخیص ناظر ارائه شده است. در حال حاضر روش تصویربرداری MRI به دلیل وضوح و کیفیت بالا از مهمترین ابزار تشخیص و ارزیابی تومورهای غیرقابل لمس مغز می باشد. روش تصویربرداری این توانایی را دارد که تومورهای مغزی را نسبت به بافت های محیطی خود با شدت متفاوتی نشان دهد. تجزیه و تحلیل تومورهای موجود در تصاویر MRI توسط متخصصین پزشکی و بر مبنای نواحی استخراج شده توسط الگوریتم های ناحیه بندی انجام می شود. متاسفانه در تصاویر MRI معمولا میزان قابل توجهی نویز به سبب عملکرد اپراتور، تجهیزات و محیط وجود دارد که منجر به خطاهای جدی در ناحیه بندی می شود. با توجه به این امر که الگوریتم ناحیه بندی مورد استفاده، به روشنایی خود پیکسل ها توجه دارد، تصاویر نویزی بر به شدت روی کارایی این الگوریتم تاثیر دارد. بنابراین نویزهای موجود در تصویر با استفاده از روش حذف نویز NLM مبتنی بر روش فازی که اختصاصاً برای کاهش نویزهای موجود در تصاویر MRI طراحی شده است، کاهش می دهیم. این روش موجب حفظ لبه ها در تصاویر MRI می شود. با استفاده از هیستوگرام تصویر و الگوریتم فازی به ناحیه بندی تصویر می پردازیم این روش قادر به شناسایی و ناحیه بندی، هر چه سریعتر و بهتر تومورهای رشد یافته و شناسایی تومورهای با مختصات کوچک(بزرگتر از 2میلیمترمکعب) می باشد. در این سیستم از الگوریتم ناحیه بندی میانگین های فازی (بطور گسترده ای جهت ناحیه بندی تصاویر MRI مغز کاربرد دارد.) استفاده شده است. تعداد و مراکز ناحیه ها بگونه ای تعیین می کنیم تا جواب بهینه سراسری را اتخاذ کنیم.

کلیدواژه ها:

تصاویر MRI ، ناحیه بندی فازی ، حذف نویز NLM ، Fuzzy C-Means ، استخراج تومور ، ناحیه بندی تصاویر MRI ، تشخیص تومور مغزی