شناسایی محل قرار گیری تومور کبد و تشخیص آن با استفاده از ماشین بردار پشتیبان و الگوریتم بهینه ساز جغرافیای زیستی

تصاویر سی تی اسکن سطح بالایی از نویز دارد و به این دلیل که کنتراست بین تومور و بخش اصلی کبد پایین است کشف تومور و ترسیم قابل اطمینان آن، کار دشواری خواهد بود. علاوه بر محدودیت های روش تصویربرداری، تقسیم بندی تومور کبد، به خاطر تنوع تومور در اندازه و ساختار و به خاطر اینکه تومورها عملا در هر نقطه از کبد می توانند حضور داشته باشند. پیچیده خواهد شد. بدین منظور در این مقاله یک الگوریتم ناحیه بندی خودکار کبد با استفاده از تجزیه و تحلیل بافت بر مبنای روش مورفولوژی، برای تشخیص بافت کبدی و تومورها از روی تصاویر CT ارایه شده است. این الگوریتم ناحیه بندی خودکار کبد، با استفاده از استخراج ویژگی های بافت و طبقه بندی کننده SVM که مقادیر کنترلی آن با الگوریتم بهینه سازی جغرافیای زیستی بهینه شده است پیاده سازی و مورد آزمایش قرار گرفته است. ویژگی های بافت، با استفاده از شدت روشنایی پیکسل ها و عملیات مورفولوژی بافت کبد از عکس جدا شده و ماسک مناسب آماده می شود. سپس جهت تشخیص تومورهای خوش خیم و بد خیم ویژگی های تصویر اعم از تعداد شی ها، مساحت، ماکزیمم، مینیمم وطول شی استخراج می شود. این ویژگی ها جهت تشکیل یک بردار ویژگی 11*400 که متشکل از 11 ویژگی و 200 عکس برای تشخیص تومور خوش خیم و 200 عکس برای تشخیص تومور بدخیم است استفاده می شود. و در انتها این بردار ویژگی به عنوان ورودی طبقه بندی کننده SVM استفاده می شود که تومورها را در تصایر ورودی CT تشخیص می دهد.

کلیدواژه ها:

بهینه سازی جغرافیای زیستی ، شناسایی تومور ، سرطان کبد