بخشی از مقاله
چکیده
در حال حاضر روش تصویربرداری MRI به دلیل وضوح و کیفیت بالا از مهمترین ابزار تشخیص و ارزیابی تومورهای غیرقابل لمس مغز است؟ تجزیهوتحلیل تومورهای موجود در تصاویر MRI توسط متخصصین پزشکی و بر مبنای نواحی استخراجشده توسط الگوریتمهای ناحیه بندی انجام میشود؟ در این مقاله هدف، استفاده از دو روش الگوریتم k-mean و انتروپی میانگین جهت تشخیص تومور مغزی است.
با بررسی نتایج بهدستآمده، الگوریتم k-mean در مقایسه با انتروپی میانگین میتواند تمام لبههای مربوط به بافت توده را در تصویر مشخص کند و همچنین آن را با اجزای بیشتری جداسازی و نمایش دهد درصورتیکه انتروپی میانگین لبههای بافت موردنظر را مشخص نکرده؛ ولی اجزای اصلی موردنظر را در تصویر حفظ کرده و تصویر را خلاصهتر نشان میدهد. درنهایت نتیجه میشود که انتروپی میانگین قابلیت و انعطافپذیری بیشتری دارد ، اما دقت الگوریتم k-mean بیشتر است که بسته به نوع کارایی میتوان از هر دو روش استفاده کرد.
.1 مقدمه
پردازش تصویر بهمنظور شناسایی موارد غیرطبیعی و ناهنجاریها، تصاویر پزشکی را تحلیل و اطلاعات مفید را از آنها استخراج میکند. ازآنجاییکه تشخیص معتبر و صحیح، آنهم در کوتاهترین زمان ممکن دارای اهمیت است. مکانیسمهای پردازش تصویر، بهعنوان روشهایی ساده و غیرتهاجمی برای شناسایی سلولهای سرطانی تشخیص اولیه را سرعت بخشیده و درنهایت شانس زنده ماندن بیماران سرطانی را افزایش میدهند .[1] پردازش تصویر شامل چندین مرحله است که مهمترین آنها تقطیع است. تقطیع یک عملیات پایه برای آنالیز و تحلیل تصاویر است که پیکسلهای تصویر را به نواحی غیر یکسان تقسیم میکند بهطوریکه این نواحی با یکدیگر اشتراکی نداشته باشند.
برای تقطیع تصاویر روشهای گوناگونی پیشنهادشده است: روشهای پیشنهادی را میتوان به دودسته روشهای مبتنی بر هیستوگرام و روشهای مبتنی بر خوشهبندی تصاویر تقسیمبندی کرد. در روشهای مبتنی بر هیستوگرام، تقسیمبندی تصاویر بر اساس توزیع پیکسلها صورت میگیرد و هدف یافتن سطح آستانهای مناسب برای اعمال به تصویر است. در روشهای مبتنی بر خوشهبندی از شباهتها و روابط موجود بین دادهها استفاده کرده و آنها را به نحوی گروهبندی میکند که دادههای داخل یک گروه یا خوشه شبیه به هم بوده و دارای بیشترین تفاوت با دادههای خوشههای دیگر باشند .
در بخش دوم این مقاله روش انتروپی میانگین مبتنی بر هیستوگرام و در بخش سوم الگوریتم خوشهبندی k-mean برای تشخیص تومور موجود در یک تصویر MRI مغزی مورداستفاده قرار میگیرد و در پایان نیز به نتیجهگیری پرداخته میشود.
.2 روش انتروپی میانگین
مفهوم انتروپی بهعنوان شاخهای از پردازش تصویر با برآورد مقدار اطلاعات یک تصویر معرفی میشود. در این صورت میتواند از توزیع سطوح خاکستری تصویر محاسبه شود و یک تقطیع مناسب برای تصویر به دست آید. به دلیل اینکه مقادیر انتروپی برای تصویر با محاسبه مقدار احتمالات سطوح خاکستری به دست میآید. توابع پایه در این روش ماتریس احتمالات و سطوح خاکستری است. اگر احتمال هر سطح خاکستری در تصویر باشد. در این صورت میتوان احتمال رخداد یک پیکسلاز تصویر را بهصورت زیر تعریف نمود:
که تعداد پیکسلها در سطح خاکستری k و L تعداد سطوح خاکستری را نشان میدهند. M وN نیز به ترتیب نشاندهندهی تعداد سطر و ستون در تصویر هستند.
انتروپی برای اولین بار توسط شانون[ 7]* در سال 1948 و برای متغیرهای تصادفی گسسته تعریف شد که به انتروپی شانون معروف است. [ 8 ] Pun برای اولین بار مفهوم شانون را برای تعریف انتروپی از یک تصویر به کاربرد با این فرض که یک تصویر بهطور کامل تنها توسط هیستوگرام سطح خاکستری آن ارائهشده باشد. در سالهای اخیر برای تعمیم انتروپی شانون برای متغیرهای تصادفی پیوسته چندین مدل پیشنهادشده است .[9-11] انتروپی میانگین یک نوع استانداردسازی اعمالشده بر روی انتروپی شانون برای مطابقت دادن حالتهای گسسته با پیوسته است، درحالیکه آن بسیاری از ویژگیهای اساسی انتروپی شانون را حفظ میکند. به همین دلیل انتروپی میانگین کلیتر از انتروپی شانون است در مفهوم اینکه تعریف آن شامل هر دو متغیر تصادفی گسسته و پیوسته میشود.
کیتنه و همکاران [12] در سال 2016 با توجه به استدلالهای جینز 1963 - ،14] - 1968،[13 ، عواد و امین - 1987 - [15] برای تعریف این انتروپی، انتروپی میانگین امروزی را بهصورت زیر تعریف کردند:
انتروپی میانگین تصویر، فاصله بین توزیع احتمال تصویر ورودی و تصویر خروجی را اندازهگیری میکند Lee .، Li و Tamآستانه را بهعنوان مینیمم فاصله در این انتروپی در نظر گرفتند [12] ؛ پس آستانه بهینه به نحوی انتخاب میشود که این فاصله حداقل شود. با توجه به اینکه ناحیههای مربوط به تومور،عمدتاً در ظاهر سفید هستند انتخاب صحیح و منطقی برای تعیین مقدار آستانه به این صورت است که با استفاده از کمترین مقدار انتروپی که به سطح خاکستری سفید نزدیکتر است اقدام به تعیین آستانه بهینه شود.
تصویر ورودی انتخابشده یک تصویر MRI مغزی فردی بیمار با تعداد سطر 339 و ستون 369 است - شکل. - 1
شکل -1 تصویرMRI مغزی یک فرد بیمار
مقدار مینیمم انتروپی میانگین با توجه به نمودار انتروپی - شکل - 2 در سطح خاکستری 214 رخ میدهد که برابر با مقدار 0,2394 است.
شکل- 2 نمودار انتروپی میانگین تصویر MRI مغزی فرد بیمار
با اعمال این مقدار آستانه بر روی تصویر ورودی تصویر خروجی به این صورت حاصل میشود
شکل -3تقطیع تصویرMRI مغزی فرد بیمار بر اساس مینیمم انتروپی میانگین
