رضا عزمی - استادیار گروه آموزشی مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه
رباب انبیائی - استادیار دانشگاه علوم پزشکی شهید بهشتی، تهران
نرگس نوروزی - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه الز
آذردخت امیرزادی - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه الز

سرطان سینه یکی از شایع ترین بیماری ها در بین زنان ایرانی محسوب می شود. تصاویر MRI نقش بسیار مهمی را در مراحل مختلف درمان این سرطان ایفاء می کنند. اما قطعه بندی دقیق این تصاویر به علت غیریکنواخت بودن مقادیر شدت روشنایی و وجود نویز در آنها، همچنان به عنوان یک مسئله ی چالش برانگیز مطرح است. مدل میدان تصادفی مارکوف، یک مدل آماری است که در بسیاری از مسائل مربوط به قطعه بندی تصاویر پزشکی مورد استفاده قرار می گیرد. چراکه این روش با استفاده از تعریف سیستم همسایگی، قادر است تاثیر آرتیفکت های موجود در قطعه بندی را کاهش داده و مسئله قطعه بندی را به یافتن یک فیلد برچسب گذاری با انرژی بهینه تبدیل نماید. اما این روش دارای دو ضعف اصلی است، 1- پیچیدگی محاسباتی و 2- وابسته بودن نتایج به پارامترهای مدل. جهت غلبه بر مشکلات مذکور، ما در این مقاله روش بهبود یافته ی میدان تصادفی مارکوف (I-MRF) را ارائه می کنیم. در این روش برخلاف نوع قراردادی آن، ما از روش های تکراری ICM و SA جهت تخمین برچسب هر یک از پیکسل ها استفاده نمی کنیم، بلکه احتمال پیشین در این روش توسط نسبت توزیع احتمال شرطی تعیین می شود.نتایج به دست آمده سرعت و دقت بالاتر روش پیشنهادی را نسبت به روش های موجود MRF-SA و MRF-ICM نشان می دهد.

قطعه بندی نواحی مشکوک در سینه، مدل میدان تصادفی مارکوف، ویژگی های بافتی، تصویربرداری MR