بخشی از مقاله
چکیده
سرطان کبد یکی از رایجترین بیماریهای بدخیم داخلی در سرتاسر جهان است. یکی از رایجترین و بهترین روشهای تصویربرداری برای تشخیص بیماریهای کبد مانند سرطان hepatocellular، CT است. داده CT 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 محدودیتهای روش تصویربرداری، تقسیمبندی تومور کبد، به خاطر تنوع تومور در اندازه و ساختار و به خاطر اینکه تومورها عملاً در هر نقطه از کبد میتوانند حضور داشته باشند، پیچیده خواهد شد. در این مقاله سعی بر این است که بخش تومور در تصاویر مربوط به بیماران دچار تومور کبد، تشخیص داده شود. روش پیشنهادی برای تقسیمبندی تومور در سه مرحله انجام میشود. ابتدا عملیات پیشپردازش روی تصاویر انجام خواهد شد. سپس با استفاده از هیستوگرام تصاویر و اعمال عملیات مورفولوژیکی و با استفاده از اطلاعات آناتومی کبد، درمورد شکل و مکان آن، ناحیه جستجوی اولیه بدست میآید که نهایتاً این ناحیه برای مرز دقیق کبد جستجو خواهد شد. و در مرحله سوم ناحیه بدست آمده به بلوکهایی تقسیم شده و بخش تومور با استفاده از شبکه عصبی SOM بدست خواهد آمد. نتایج بدست آمده از این الگوریتم دقتی در حدود 80.63 درصد را از خود نشان داده است..
کلید واژه- پردازش تصویر، بینایی ماشین، تقسیمبندی تومور، هیستوگرام، فیلترهای مورفولوژیکی.
تکرار و دقت قابل مقایسه با تقسیمبندیهای دستی را نتیجه
-1 مقدمه میدهند. در حالت کلّی، این ویژگیها هزینه را کاهش و قابلیت
در سالهای اخیر کیفیت تصاویر CT به اندازه قابل توجهی اعتماد فرآیند را افزایش میدهند. روشهای تقسیمبندی که تنها
نیاز به مقدار کمی تعامل اولیه کاربر دارند، مانند روشهای شبه
افزایش یافته است. در برخی موارد رادیولوژیستهای مجرب برای
اتوماتیک، تمرکز اخیر تحقیقات هستند.[4] این روشها ایجاد
تصدیق تشخیصشان به فرآیندهای تهاجمی(جراحی) پناه می-
میشوند تا نتایج قابل اعتمادی را با دقتی شبیه به روشهای
برند. طبقهبندی بافت کبد با کمک تحلیل تصاویر با کمک
تعاملی فراهم کنند.[5] روشهای کاملاً اتوماتیک در این زمینه
کامپیوتر، میتواند برای کمک به پزشکان در تشخیص و کاهش
بسیار کم هستند.[6]
تعداد فرآیندهای تهاجمی، کمک کند. تقسیم بندی تومور کبد
داده CT سطح بالایی از نویز دارد و به این دلیل که کنتراست
چندین کاربرد، از جمله طراحی عملکرد و ارزیابی تومور و
بین تومور و بخش اصلی کبد پایین است، کشف تومور و علاوه بر
جراحی با کمک کامپیوتر، دارد. طراحی تومورها به صورت دستی
آن ترسیم قابل اطمینان آن، کار دشواری خواهد بود. علاوه بر
بسیار وقتگیر و دشوار بوده و نتایج بدست آمده وابسته به
محدودیتهای روش تصویربرداری، تقسیمبندی تومور کبد، به
شخص بیننده است. به همین دلیل، تحقیقات در زمینه روش-
خاطر تنوع تومور در اندازه و ساختار و به خاطر اینکه تومورها
های تقسیمبندی که تواناییهای محاسباتی موجود را حفظ می-
عملاً در هر نقطه از کبد میتوانند حضور داشته باشند، پیچیده
کند، در جهت افزایش است.[1] چون سرطان کبد از جمله پنج
سرطان است که بیشترین مرگومیر را دارد و همچنین آسیب- خواهد شد.[7]
های متاستاتیک که در کبد زیاد هستند، نیاز به توسعه روشهای در این مقاله یک روش کاملاً اتوماتیک پیشنهاد شـده اسـت.
این الگوریتم هم از اطلاعات پزشکی مانند شکل کلی کبد، مکـان
اتوماتیک برجسته شده است.[2]
و سطح خاکستری تصـویر اسـتفاده مـیکنـد و هـم از الگـوریتم
روشهای بینایی ماشین و تئوریهای پردازش تصویر روشهای
Level set برای پیدا کردن مرز دقیق کبد کمک خواهد گرفت.
مختلفی از تقسیمبندی کبد را که به صورت اتوماتیک و نیمه
برای این کار ابتدا ناحیه اصلی شکم از تصویر استخراج مـیشـود.
اتوماتیک انجام میشوند، ارائه کرده است.[3] روشهای تقسیم-
تعیین این ناحیه با کمک مهرههای اطراف شکم که نقاط کنترلی
بندی، کاهشهایی در میزان تعامل مورد نیاز کاربر، نتایج قابل
نامیده میشوند، انجام خواهد شد.[8] در مرحله بعد کـار سـاده-
1
دومین کنفرانس بینالمللی بازشناسی الگو و تحلیل تصویر ایران، دانشگاه گیلان، اسفند 1393
سازی تصویر، به صورت حـذف نـواحی اضـافه کـه کبـد در ایـن محلها قرار نمیگیرد، انجام میشود. سپس افزایش کنتراسـت و حذف نویز، برای افزایش کیفیت تصاویر اعمـال مـیشـود. نهایتـاً حدودی از مکـان کبـد را پیـدا کـرده و یـک ناحیـه اولیـه بـرای جستجوی کبد مشـخص خواهـد شـد. در مرحلـه بعـد بـا رسـم هیستوگرام تصاویر، سطح خاکستری کبـد و تومـور بـا توجـه بـه اطلاعات آناتومی کبد و تومور، تعیین شـده و سـطوح خاکسـتری دیگر از تصاویر حذف خواهد شد. سـپس بـا اسـتفاده از عملیـات مورفولوژیکی برخی نواحی که از سایر اندامهـا بـه خـاطر نزدیـک بودن سطوح خاکستری به کبد اضافه شـدهانـد را حـذف کـرده و برخی نواحی کبد و تومور که حـذف شـدهانـد بـه تصـویر اضـافه خواهد کرد. حال روی ناحیه بدست آمده که نشان دهنده کبد به همراه تومـور داخـل آن اسـت، طبقـه بنـد SOM اعمـال مـی-شود .[9] نهایتاً روی خروجی این مرحلـه، الگـوریتم Level set اجرا میشود تا مرز دقیقی از ناحیه تومور بدست آید.[10]
-2 تقسیم بندی تومور
در تحقیقاتی که تا کنون انجام شده به صورت اتوماتیک یا نیمه اتوماتیک بوده که نیاز داشتهاند تومور به اندازه کافی بزرگ و یا مرزهای کاملاً واضح داشته باشد. این مشکلات به این دلیل است که کنتراست پایین، کار کشف تومور را دشوار میکند. در این تحقیق روشی پیشنهاد شده است که با استفاده از افزایش کنتراست و طبقهبندهای شبکه عصبی کار کشف و تقسیم تومور را حتّی در تصاویری که کنتراست پایین دارند، انجام خواهد داد. در این مقاله ابتدا بخش کبد جداسازی شده و سپس ناحیه تومور
از داخل آن جداسازی میشود.
است که از بیمارستان شهید بهشتی کاشان جمعآوری شده است و مربوط به بیمارانی با کبد دچار تومور بوده و بعد از تزریق مـاده حاجب گرفته شده اسـت. تزریـق مـاده حاجـب باعـث مـیشـود کنتراست انـدامهـای مختلـف در یـک تصـویر براسـاس بافـت و چگالیای که دارند متفاوت با هم ظاهر شوند. این تصاویر از نـرم-افزار DICOM استخراج شده و به فرمت JPEG تبـدیل یافتـه است. هر برش شامل یک تصـویر بـا ابعـاد 512 × 512 پیکسـل است که با مقیاس خاکستری نشان داده میشـود. یـک نمونـه از تصاویر ورودی در شکل 1 نشان داده شده است. روال انجـام کـار در شکل 1 به صورت فلوچارت نمایش داده شده است.
-1-2 پیش پردازش
همانگونه که در شکل 1 مشـاهده مـیکنیـد، تصـویر ورودی بسیار تیره به نظر میرسد و کنتراسـت پـایینی را از خـود نشـان داده است. در این بخش ابتدا یک افزایش کنتراست روی تصـاویر اعمال خواهد شد. بعد از افزایش کنتراست، مقـداری نـویز فلفـل نمکی مشاهده میشود که با اعمال فیلتر میانـه ایـن نـویز حـذف خواهد شـد. نمونـهای از نتـایج بدسـت آمـده از ایـن مرحلـه در شکل)2الف) نشان داده شده است.
ب الف شکل:2 الف)افزایش کنتراست و حذف نویز تصویر ورودی ب)هیستوگرام
تصویر (الف)
بعد از حذف نویز و افزایش کنتراست که روی تصویر ورودی اعمال میشود، باید ابتدا اندام کبد را از تصویر خـارج کـرده و در این بخش به جستجوی تومور پرداخت. بخش بعدی به شناسـایی و تفکیک اندام کبد تخصیص داده شده است.
شکل:1 روال اجرای الگوریتم پیشنهادی
مجموعه داده ورودی، تصاویر شکمی گرفته شده از 2 بیمـار
2
-2-2 تقسیمبندی کبد
در تصاویر CT شکم سه دسته از اندامها را داریم: تومور، بخش-های سالم کبد و اندامهای غیر از کبد. ابتدا برای مقایسه سطوح خاکستری این سه بخش، بخشهایی از این سه دسته به صورت دستی انتخاب شده است . با رسم PDF مربوط به هر دسته و بررسی مقادیر میانگین و انحراف معیار هر یک، مشاهده میشود میانگین تومور کوچکتر از میانگین کبد و بزرگتر از سایر اندامها
