محمد شکوهی فر - کارشناس ارشد برق الکترونیک

در انالیز تصاویر پزشکی توسط کامپیوتر اغلب ناحیه بندی بعنوان مرحله اغازین جهت تشخیص و درمان مورد استفاده قرا رمی گیرد از میان الگوریتم های فراوانی که دراین زمینه ارائه شده اند الگوریتم خوشه یابی FCM بطور گسترده ای جهت ناحیه بندی تصاویر رزونانس مغناطیسی MRI مغز استفاده می شود متاسفانه در تصاویر MRI معمولا میزان قابل توجهی نویز به سبب عملکرد اپراتور تجهیزات و محیط وجودداردکه ممکن است منجر به خطاهای جدی در ناحیه بندی شود الگوریتم FCM کلاسیک برای ناحیه بندی فقط از شدت روشنایی پیکسل ها استفاده می کند. بنابراین تصاویر نویزی به شدت از کارایی این الگوریتم می کاهد دراین مقاله روش جدیدی بر مبنای الگوریتم کلونی مورچه برای بهبود کارایی الگوریتم FCM ارائه شده است دراین الگوریتم ابتدا با یک پیش پردازش برروی تصویر به کمک الگوریتم کلونی مورچه روشنایی پیکسلهای تصویر تعدیل می وشد و سپس الگوریتم خوشه یابی FCM برروی تصویر جدید اجرا می شود.

الگوریتم خوشه یابی FCM، الگوریتم بهینه سازی کلونی مورچه، شدت روشنایی، خوشه یابی فازی، ناحیه بندی