جداسازی تومور های مغزی و یاخته های غیر طبیعی و سرطانی در تصاویرMR بهره مندی از فیلتر های موجک و خوشه بندی K-Means

تصاویر پزشکی نظیر تصاویر MR بمانند سایر تصاویر گرفته شده توسط دستگاه های مختلف، ممکن است تحت تاثیر نویز و سایر اثرات مخرب محیط پیرامون خود قرار گیرند. این مساله در تصاویر پزشکیبه دلیل تقرب لوازم الکتریکی و الکترونیکی حین عکس برداری به وفور یافت می شود و در نتیجهمشخص سازی ضایعات و بیماری های موجود و بررسی نتایج حاصله نیز با مشکل مواجه خواهد بود. در این مقاله ابتدا به وسیله ی فیلترهایی مبتنی بر موجک به حذف نویز و کاهش اثرات آن بر تصاویر MR پرداخته شده است. آنگاه به منظور بهبود عملیات قسمت بندی و جداسازی دقیق یاخته ها و بخش های مختلف در تصویر MR نوار جمجمه با بهره گیری از عملیات مناسب ریخت شناسی حذف شده است. سرانجام نیز روشی دقیق بر مبنای خوشه بندی K-Means به منظور بخش بندی قسمت های مختلف تصاویر MR پیشنهاد و پیاده سازی شده است که به طور دقیق بخش های مختلف تشکیل دهنده تصویر را جدا نموده و نیز ضایعات و یاخته های غیر طبیعی را مشخص می نماید. به منظور بررسی و مقایسه ی نتایج کار، یک برنامه گرافیکی تحت MATLAB پیاده سازی شده است. نتایج شبیه سازی انجام شده و آنالیز های عددی عملکرد دقیق روش پیاده سازی شده را در جداسازیسلول های سرطانی و یاخته های غیر طبیعی نشان می دهند.

کلیدواژه ها:

تصاویر MR فیلتر های موجک ، بخش بندی تصاویر ، خوشه بندی K-Means