بخشی از مقاله
چکیده
رشد نامحدود و غیر قابل کنترل سلول ها باعث پیدایش تومور در مغز می شود اگر تومورهای مغزی به سرعت شناسای و به طور مناسب درمان نشوند می توانند باعث آسیب مغزی دائم و یا حتی مرگ بیمار شوند ایجاد روشی که اندازه و ناحیه ی ضایعه را مشخص کند ،می تواند به رادیولوژیست ها در تشخیص کمک نمایند در این مقاله روشی برای قطعه بندی تومور مغزی در تصاویر MRI ارائه شده است . که این الگوریتم یکی از بهترین الگوریتم هایی هست که تاکنون ارائه شده است. از این جهت که دارای انعطاف بالای در بدست آوردن توابع مختلف، چه تابع هموار با شیب بسیار کم و چه تابع با ناهمواریهای زیاد و شیب تند است.
واژگان کلیدی: قطعه بندی ، توورهای مغز ، فیلتر میانه ، k-means، Bee Algorithm
مقدمه
رشد نامحدود و غیرقابل کنترل سلول ها باعث پیداش تومور درمغز می شود .اگر تومورهای مغزی به سرعت شناسایی و به طور مناسب درمان نشوند، می توانند باعث آسیب مغزی دائم و یا حتی مرگ بیمار شوند .در همه روش های درمانی ،هرگونه اطلاعات در مورد موقعیت و اندازه ی تومور برای داشتن درمان موفقیت آمیز مهم می باشد.ارزیابی کمی تومورهای در تصاویر Mri مغز در ارتباطات با قضاوت درمان می تواند ارزیابی دقیق تری از پیشترفت بیماری را فراهم کند. آگاهی از موقعیت و اندازه تومور ، به خصوص تغییرات در اندازه ی تومور ،می تواند اطلاعات مهمی به منظور پیدا کردن موثرترین رژیم درمانی برای بیماران ، در درمان تومور مغزی شامل ، جراحی ،پرتو درمانی ، و شیمی درمانی فراهم کند .
تسفیر سنتی تصاویر Mri توسط متخصص کاری دشوار و وقت گیر است و نتیجه مستقیما به تجربه ی متخصص بستگی دارد . از این رو ،پیدا کردن روشی دقیق و کاملا اتوماتیک برای دادن اطلاعات به پزشکان مهم می باشد.در سال های اخیر تصویر برداری با رزونانس مغناطیسی Mri برای معاینه و تشخیص کمکی تومورهای مغزی به طور گسترده مورد استفاده قرار گرفته است ، که علاوه بر داشتن وضوح بالا و موقعیت دقیق برای بافت های نرم ،هیچ آسیبی به انسان وارد نمی کند .در فرآیند تصویر برداری Mri هیچ ابزاری برای ورود به بدن انسان و همچنین هیچ دارویی برای تزریق وجود ندارد و کل فرآیند کاملا ایمن است.روش های بسیاری برای تشخیص و قطه بندی تومور در تصاویر Mri ارائه شده است که به برخی از آنها در اینجا اشاره می کنیم.
M.rakesh و همکارانش برای قطعه بندی و تشخیص تومور مغزی در تصاویر Mri از روش fuzzy c-means استفاده کرده اند.j.selvakumar و همکارانش نیز با ترکیب روش های fuzzy c-meansو k-means قطعه بندی تومور را انجام داده اند li.hong juang. و همکارنش از اولین کسانی بودند که از تصاویر رنگی برای قطعه بندی و تشخیص تومور مغزی در تصاویر Mri مغز استفاده کرده اند . در این طرح ابتدا تصویر سطح خاکستری تغییر فضای رنگی داده شده و نتیجه برای قطعه بندی به k-means داده شده است .روش های قطعه بندی تصویر می توانند در سه گروه طبقه بندی شوند:روش های مبتنی بر لبه ، که اطلاعات لبه برای مرزهای اشیاء مورد استفاده قرار می گیرد .
روش های طبقه بندی مستقیم مبتنی بر پیکسل ، که در آن روش ابتکاری یا تخمینی بدست آمده از هیستوگرام آماری تصویر برای شکل گیری مناطق بسته متعلق به اشیاء در تصویر ،استفاده شده است . روش های مبتنی بر ناحیه، که در آن پیکسل ها به طور مستقیم برای یک فرآیند رشد ناحیه بر اساس یک اصل تشابه از پیش تعریف شده به شکل ناحیه بسته متعلق به اشیاء در تصویر تجزیه و تحلیل می شوند.در اینجا قسمت پیش پردازش که برای حذف نویز موجود در تصاویر Mri است ، با فیلتر میانه پیاده سازی شده است. سپس تصویر فیلتر شده تبدیل به Rgb شده و فیلتر laplacion برای تیز و شفاف کردن رنگ ها روی آن اعمال می شود در مرحله ی بعد به فضای رنگی l*a*b تبدیل شده و در ادامه مراکز اولیه ی بهینه توسط pso تعیین و با کمک k-means خوشه بندی صورت می گیرد .
پیش پردازش
معمولا در فرآیند پیش پردازش سعی در حذف نویز موجود در تصاویر می شود . بدون شک تصاویر Mri نیز دارای نویز های هستند که باید حذف شوند. البته تا حد امکان حذف نویز نباید موجب تخریب لبه ها و کاهش وضوح تصویر شود.فیلتر میانه همانند فیلتر میانگین است که در آن هر پیکسل خروجی ، از میانگین مقادیر شدت روشنایی پیکسل های همسایه ی متناظر با پیکسل ورودی تنظیم شده است . با این وجود با فیلترینگ میانه ،مقدار یک پیکسل خروجی به جای میانگین با میانه ی پیکسل های همسایه تعیین می شود . فیلتر میانه نسبت به مقادیر پرت حساسیت بسیار کمتری دارد ، بنابراین توانایی بالایی برای حذف این نقاط بدون کاهش وضوح تصویر دارد . همچنین به دلیل اینکه فیلتر میانه واریانس شدت روشنایی را کاهش می دهد و در عین حال شکل لبه ها و محل آنها را حفظ می کند ، فیلتر مناسبی برای این کار می باشد.
شفاف سازی رنگ ها و تبدیل فضای رنگی
با کمک pseudocolor تصاویر سطح خاکستری به تصاویر رنگی تبدیل می شوند .شکل 1 نمونه هایی از این تبدیلرنگ است. فضای رنگی برخلاف مدل های رنگی Rgb و Cmyk برای بینایی تقریبی انسان طراحی شدهاست ، که از لایه ی درخشندگی و لایه هی وکه همه اطلاعات رنگ در آنها وجود دارد ، تشکیل میشود.لایه های رنگی مشخص می کند که رنگ در بین محور قرمز –سبز کجا قرار می گیرد و لایه های رنگیمشخص می کند که رنگ در بین محورآبی-زرد در کجا قرار می گیرد. تفاوت دو رنگ را می توان با کمک فاصله اقلیدسی اندازه گیری نمود.
