بخشی از مقاله
چکیده:
همانطور که می دانیم ناحیه بندی تصاویر جایگاه ویژهای در پردازش تصویر دارد و در حوزه تصاویر پزشکی نیز روز به روز بر اهمیت آن افزوده میشود. از جمله مسایل مطرح در ناحیه بندی تصاویر پزشکی، تشخیص دقیق تومورهای مغزی می باشد . ناحیه بندی تومور مغزی و محاسبه مساحت آن از دادههای MRI اجازه می دهد تا شاخصهای کلیدی مفیدی از پیشرفت بیماری به دست آید.
در این مقاله با استفاده از روش ترکیبی آستانه یابی به روش آتسو، لبه یابی سوبل و عملیات مورفولوژی، دقت و صحت تشخیص تومور را افزایش داده، مکان دقیق و مساحت تومور را جهت تشخیص و ادامه روند درمانی استخراج می نماییم. در ادامه با انجام شبیه سازی کامپیوتری عملکرد روش پیشنهادی ارزیابی می شود.
.1 مقدمه
علم پردازش تصویر یکی از علوم پرکاربرد در مهندسی است که در سالهای اخیر پیشرفت قابل توجهی داشته است. یکی از مسائلی که در این علم وجود دارد، ناحیه بندی تصویر2 است. ناحیه بندی تصویر کاربرد گسترده ای در بینایی ماشین، سنجش از دور، شناسایی هدف و تحلیل تصاویر پزشکی دارد. در بسیاری از تحقیقات پزشکی و کاربردهای کلنیکی از قبیل تعیین حجم عضو با تومور مورد مطالعه، تجسم و تحلیل ساختارهای آناتومیکی، نگاشت عملکردی مغز و ناحیه بندی زیرساختارهای مغز، ناحیه بندی تصویر به عنوان اولین مرحله مهم در پردازش مطرح است .
روش های ناحیه بندی را می توان به طور کلی به دو دسته روش های مبتنی بر لبه و روش های مبتنی بر ناحیه تقسیم نمود. در روش های مبتنی بر لبه، نواحی موجود در تصویر توسط مرزهای موجود در تصویر تعیین می شوند. از متداولترین روش های مبتنی بر ناحیه نیز می توان به آستانه گیری، رشد ناحیه و خوشه یابی اشاره کرد. ناحیه بندی با مقایسه شدت روشنایی تک تک پیکسل ها با یک یا چند مقدار آستانه انجام می شود.
روش آستانهگذاری Otsu تصویر را به فرمت باینری تبدیل می کند .[2] در این روش، آستانه کلی برای تبدیل یک تصویر به تصویری باینری با شدت نرمال شده بین 0 و 1، محاسبه میشود. روش Otsu استفاده شده، آستانه را برای به حداقل رساندن واریانس درونکلاسی پیکسلهای سیاه و سفید محاسبه میکند. ناحیه بندی موثر عناصر در تصاویر، یک مشکل مهم عملگرهای پردازش تصویر است. بنابراین وجود پیش پردازش قوی قبل از ناحیه بندی ضروری است.
تشخیص لبه متداولترین روش برای تشخیص ناپیوستگی های معنیدار در مقادیر شدت هستند . این ناپیوستگی ها با استفاده از مشتق های مرتبه اول و دوم تشخیص داده می شوند. در پردازش تصویر، مشتق مرتبه اول، گرادیان و مشتقات مرتبه دوم، لاپلاسین می باشد. یکی از تشخیص دهنده های لبه، تشخیص دهنده لبه سوبل3 می باشد که از تقریب سوبل برای محاسبه گرادیان استفاده می کند.
مورفولوژی یکی از روش های تحلیل تصویر است که خروجی این مرحله محتویات تصویر را توصیف می کند. مورفولوژی، بر اساس مجموعه ای از ابزارهای ریاضی است که یک مشخصه خاص از تصویر را استخراج کرده و بنابراین به طور گسترده ای در بافت شناسی مورد استفاده قرار می گیرد. مورفولوژی لبه های عناصر را برجسته تر از بقیه نقاط نمایش می دهد و هدف آن ایجاد تغییر و یا تصحیح در اجزا داخل یک تصویر باینری هست. این عملیات معمولا یک مرحله قبل از عملیات پردازش نهایی انجام می شود. منظور از عملیات پردازش نهایی عملیاتی است که در آن اطلاعاتی از تصویر استخراج می شود. مثلا محیط یا مساحت اجزاء تصویر محاسبه می گردد.
در این مقاله با استفاده از یک روش ترکیبی شامل آستانه یابی، لبه یابی و تکنیک مورفولوژی، تومور مغزی با مشخصه مکانی و مساحت آن استخراج شده است. در ادامه این مقاله، در بخش دوم الگوریتم پیشنهادی ارائه شده و در بخش سوم نتایج شبیه سازی آورده شده است. در نهایت بخش چهارم به نتیجه گیری اختصاص یافته است.
.2 الگوریتم پیشنهادی
الگوریتم پیشنهادی شامل 3 مرحله می باشد که در ادامه به توضیح آنها می پردازیم.
.2-1 کاهش نویز با استفاده از فیلتر بالا گذر
در ابتدا برای تشخیص نقاط ناپیوسته از فیلتر زیر که در واقع یک فیلتر 3×3 است، استفاده می شود.
پاسخ فیلتر فوق به صورت زیر می باشد :
که در آن ، شدت پیکسل در مکان متناظر با مکان k امین ضریب در فیلتر است. آشکار سازی نقطه بر اساس مشتق دوم - لاپلاسین - می باشد. چنان چه مقدار قدر مطلق پاسخ فیلتر در نقطه - x,y - واقع در مرکز فیلتر از آستانه ی تعیین شده بیشتر شود، میگوییم نقطه در مکان - x,y - شناسایی شده و این نقاط در تصویر خروجی با برچسب 1 و بقیه نقاط با برچسب صفر مشخص می شود. همانطور که گفته شد، علت استفاده از این فیلتر، تشخیص نقاط ناپیوسته می باشد. بدیهی است که تشخیص این نقاط در نواحی با شدت ثابت به دلیل اینکه پاسخ فیلتر در این نواحی برابر با صفر می باشد به سادگی قابل انجام است.
لذا در سایر نواحی، این فیلتر روش مناسبی برای تشخیص ناپیوستگی ها از جمله نقاط جدا از هم می باشد. در ادامه پردازش، از یک فیلتر بالاگذر استفاده می شود. علت استفاده از فیلتر بالاگذر این است که بر خلاف فیلتر پایین گذر که تصویر را مات می کند، فیلتر بالاگذر با تضعیف فرکانس های پایین و عدم تغییر فرکانس های بالا، تبدیل فوریه را نرم می کند.
با کاهش نویز توسط فیلتر بالاگذر هر پیکسل تصویر، با میانگین وزنی پیکسل های اطراف آن جایگزین می شود. وزن ها توسط مقادیر فیلتر و تعداد پیکسل های اطراف توسط اندازه فیلتر تعیین می شود. در ادامه با استفاده از فیلتر میانه که یک عملیات غیر خطی است نویز کاهش و لبه ها حفظ می شود.
.2-2 ناحیه بندی با استفاده از آستانه یابی به روش آتسو
در این قسمت برای ناحیه بندی از آستانه گیری سراسری بهینه با استفاده از روش آتسو استفاده می شود. این روش از این نظر بهینه است که مقدار آستانه طوری انتخاب می شود که واریانس کلاسی را ماکزیمم کند. ایده ی ماکزیمم کردن واریانس بین این دو دسته این است که هر چه این واریانس بزرگتر باشد آستانه با احتمال بیشتری تصویر را بطور مناسب ناحیه بندی می کند. این معیار بهینه کننده، مبتنی بر پارامترهایی است که می تواند مستقیما از هیستوگرام تصویر به دست آید. در این مرحله تصویر، به تصویری باینری تبدیل می شود.
.2-3 استخراج تومور با استفاده عملیات مورفولوژی
در ادامه از تکنیک مورفولوژی استفاده می شود. به بیان دیگر با استفاده از عملگرهای ریاضی دو عمل انبساط و ساییدگی بر روی تصویر اعمال می شود . با استفاده از عملیات انبساط، اشیای موجود در تصویر رشد و برجسته می شود و سپس با استفاده از عملیات ساییدگی تومور به عنوان یک حجم ناهنجار در بافت مغز استخراج می گردد. سپس نتیجه به دست آمده با تصویر اصلی ادغام می شود. در این مرحله تصویر حاصل محل تومور را به طور مشخص بر روی تصویر اصلی نمایان میکند. در پایان نیز لبههای تومور مشخص شده و تصویر تومور به صورت تکی و بدون نویز نشان داده می شود. در انتها نیز مساحت تومور محاسبه می گردد.
در انتها الگوریتم پیشنهادی در این مقاله در نمودار شکل. 1 به صورت خلاصه آورده شده است.
برای شبیهسازی و ارزیابی روش پیشنهادی در این مقاله از نرمافزار MATLAB R2013a و تصاویر MRI تومور مغزی پایگاه داده BRATS 2015 استفاده شده است .[7,6] سپس با اجرای الگوریتم پیشنهادی بر روی تصاویر نتایج قابل قبولی حاصل شده است. در هر مرحله از اجرای الگوریتم تصویر خروجی نشان داده شده است. در ابتدا تصویر خروجی فیلتر بالاگذر - پیش پردازش مرحله اول - ، تصویر حاصل از آستانه یابی و تصویر حاصل از عملیات مورفولوژی و در انتها نیز محل تومور بر روی تصویر اصلی با حداقل نویز نشان داده شده است.
تصویر ورودی در شکل2 به عنوان اولین مرحله از اجرای الگوریتم پیشنهادی می باشد.
در این مرحله با اعمال فیلتر بالا گذر، نویز تصویرکاهش داده و خروجی این مرحله در شکل 3 قابل رویت می باشد.
شکل .1 بلوک الگوریتم پیشنهادی
شکل .2 تصویر ورودی
شکل .3 تصویر حاصل از اعمال فیلتر بالا گذر
