بررسی کمی و کیفی اصلاح میدان بایاس و بخش بندی همزمان در روش بهینه سازی مولفه های ذاتی ضرب شونده در تصاویر MR مغزی

بخش بندی تصاویرMR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در تصاویر MR مغز، بخش بندی به وسیله یکعامل درونی بهنام ناهمگنی شدت دچار خطا می شود که این ناهمگنی شدت به دلیل وجود همپوشانی در بین شدت بافت های مغزی است که اغلبباعث کلاس بندی نادرست بافت های مغزی می گردد. در این مقاله یک روش جدید جهت بخش بندی و اصلاح میدان بایاس به صورت همزمان، مطرحمی گردد که روش بهینه سازی مولفه های ذاتی ضرب شونده (MICO) نام دارد. روش فوق تصاویر MR مغز را به دو مولفه ذاتی تجزیه می کند کهیکی ویژگی فیزیکی بافت و دیگری میدان بایاس آن است که به همراه ویژگی های مکانی مربوطه ارایه می شود. در ادامه از طریق کمینه سازیانرژی در یک فرآیند تکراری، مولفه های ذاتی فوق را بهینه سازی و در نتیجه اصلاح میدان بایاس و بخش بندی همزمان را انجام می دهد. ارزیابیهای کمی بازدهی بالای روش MICO را در اصطلاح کارایی و دقت ثابت کرد که دقت 90 درصد را برای بخش بندی و اصلاح میدان بایاس را درنواحی سه گانه مغزی و به ویژه در ناحیه حاوی مایع مغزی- نخاعی (CSF) نشان داد.

کلیدواژه ها:

بهینه سازی مولفه های ذاتی ضرب شونده ، اصلاح میدان بایاس ، ناهمگنی شدت ، بخش بندی تصاویر MR مغزی