بخشی از مقاله
چکیده
در این مقاله الگوریتم جدیدی برای بهبود نتایج قطعه بندی ارائه میشود، به گونه ای که کارایی و دقت آن مورد توجه باشد. به دلیل وجود عدم قطعیت در بسیاری جنبه های پردازش تصویر پردازش تصویر بسیار مطلوب است این عدم قطعیت ها شامل نویزهای جمع شونده و غیر جمع شونده در سطح پایین پردازش تصویر و عدم دقت در فرضیات اصولی الگوریتم وابهامات تفسیری در طول پردازش تصویر سطوح بالا می باشد.
سیستم مرجع فازی بیان شده علاوه بر اجتناب از تشدید لبه های تصویر قابلیت اطمینان بیشتری به منظور تغییرات روشنایی و کنتراست ارایه می دهد. روش پیشنهادی در این مقاله می تواند در زمان کوتاهی محدوده هستههای قاعدهای مغز را شناسایی نماید. ورودی یک مجموعه ای از برش های MRI از بیماران مورد مطالعه است. و خروجی بخش هایی از برشها که شامل یک چند ضلعی که ، هستههای قاعدهای مغز را احاطه کرده است، می باشد. این روش نیاز به ثبت تصویر ندارد و یک تکنیک بدون ناظر است.
.1 مقدمه
پردازش تصویر دیجیتال محدوده وسیعی از سخت افزار ، نرم افراز و مبانی نظری را در بر میگیرد. مرحله اول این فرایند ، تصویر برداری یعنی به دست آوردن تصویر دیجیتال است. انجام دادن چنین کاری نیازمند یک حسگر تصویر بردار و قابلیت دیجیتال سازی سیگنال خروجی حسگر می باشد . پس از اینکه تصویر دیجیتال به دست آمد ، مرحله بعدی پیش پردازش آن است. وظیفه اصلی پیش پردازش ، بهبود تصویر به روش هایی است که امکان توفیق سایر پردازش ها را نیز افزایش دهد. پیش پردازش ، به طور معمول به روش هایی برای ارتقاء تمایز ، حذف نویز و جداسازی آن نواحی که زمینه شان نشان دهنده احتمال وجود اطلاعات حرفی - عددی است ، می پردازد . مرحله بعدی به قطعه بندی می پردازد
میزان قطعه بندی ، به موضوع مورد نظر بستگی دارد. یعنی وقتی اشیای مورد علاقه کاربرد مورد نظر از هم جدا شدند، باید قطعه بندی متوقف شود. به طور کلی قطعه بندی یکی از مشکل ترین کارها در پردازش تصویر است. این مرحله است که موفقیت یا شکست احتمالی تحلیل تصویر را تعیین می کند. در واقع با قطعه بندی موثر در بیشتر موارد، به یک جواب قابل قبول می رسیم. بنابراین باید توجه زیادی معطوف افزایش احتمال دست یابی به قطعه بندی قابل اعتماد شود.
از طرفی، یک شیوه قوی بخش بندی، تا حد زیادی فرآیند را به حل مسأله مورد نظر نزدیک می کند. از طرف دیگر الگوریتم های ضعیف یا خطادار بخش بندی، تقریباً همیشه باعث خرابی اتفاقی می شوند. کیفیت نتایج کلی پردازش تصویر بستگی به کیفیت مراحل قطعهبندی دارد. خروجی مرحله قطعهبندی معمولاً، داده های پیکسلی خام است که یا مرز یک ناحیه یا تمام نقاط درون آن ناحیه را تشکیل می دهند.
تصاویر پزشکی با توجه به آنکه وضعیت بدن را به صورت دو بعدی و حتی سه بعدی - بوسیله کامپیوتر - نشان میدهند، یکی از مهمترین وسایل تشخیص برای پزشکان هستند که همواره بخش عظیمی از تحقیقات را به خود اختصاص دادهاند. سیستمهای تصویر برداری را می توان به گروههای روشهای اشعه ایکس - رادیوگرافی، فلوئورسکوپی و - ct، روش مغناطیسی mri، پزشکی هستهای1 و روشهای ماوراء صوت تقسیم کرد تصاویر حاصله در روشهای فوق عموماً و به صورت خام قابل استفاده نیستند، لذا پردازشهای وسیع وگستردهای روی آنها صورت میگیرد که عموماً شامل پردازش تصاویر و استخراج اطلاعات موثر در تشخیص و یافتن مواضع مورد توجه - roi - و بازسازی تصاویر در کامپیوتر به صورت سه بعدی و درونیابی اطلاعات جهت تولید برشهای لازم از ارگان تحت تصویر برداری و حذف نویز، اختصاص رنگ و در کل ارتقاء کیفیت تصویر است.
هدف از این تحقیق ارائه راهکاری به منظور افزایش دقت قطعه بندی تصویر ام آر آی است.سعی شده تا با ترکیب روشهای تکاملی با آنتروپی فازی باعث بهبود نتایج قطعه بندی نمونه ها شود.بدین منظور اثربخشی و کارایی روش ارائه شده با سایر روش های موجود مورد مقایسه و ارزیابی قرار میگیرد.امید است که نتایج الگوریتم نهایی امیدوار کننده باشد و نشان دهنده پیشرفت الگوریتم باشد.این تحقیق بر اساس نیاز به دسته بندی دقیق داده ها و استفاده از تحلیل نتایج داده ها در بهبود شرایط مرجع مورد استفاده کننده داده ها شکل گرفته است.
در ادامه در فصل دوم ادبیات موضوع تحقیق مرور میشود.در این فصل ابتدا روش های قطعه بندی به صورت کلی بیان میشود و تعدادی از روش های مطرح در ارتباط قطعه بندی تصاویر پزشکی بررسی میشود. فصل سوم به تشریح روش پیشنهادی یعنی الگوریتمی ترکیبی از روش جستجوی فاخته با آنتروپی فازی برای قطعه بندی تصویر میپردازد. در فصل چهارم روش پیشنهادی مورد ارزیابی قرار گرفته و کارایی آن با سایر روش ها مقایسه میشود. فصل پنج مختص نتیجه گیری تحقیق و ارائه پیشنهادها برای بهبود کار است .در این فصل فعالیتهای آتی که میبایست انجام شود تا این تحقیق تکامل پیدا کند، فهرست خواهد شد.
.2 ادبیات تحقیق
یکی از کاربردهای الگوریتمهای قطعه بندی در تشخیص بیماریها از روی تصاویر پزشکی میباشد. برای نمونه تحقیقات در مورد سرطان در قرن اخیر ، به یکی از معمولترین تلاشها تبدیل شده است.آژانس بین المللی تحقیقات سرطان بر اساس مجموعه داده سال 2001 ، تعداد افراد مبتلا به سرطان را 25 ملیون نفر تخمین زده است .همچنین انجمن سرطان آمریکا در سال 2004 اعلام کرد که سرطان بطور رسمی جایگزین بیماریهای قلبی، به عنوان عامل اصلی مرگ و میر شده است، بطوری که میزان زنده ماندن افراد برای هر نوع سرطان 63 درصد است
در سرطانها تشخیص بهنگام و درمان مناسب میزان بهبودی و بقای بیماران را بهبود میبخشد بنابراین در حالی که تشخیص سرطان مبتنی بر رو شهای تداخلی همچون جراحی، رادیوتراپی و شیمی درمانی است، مطالعات نشان میدهند که استفاده از فن آوریهای نوین کامپیوتری همچون مکانیسمهای پردازش تصویر در فرایندهای مربوط به تشخیص و دسته بندی سرطا نها موفق عمل کرده اند
بطور کلی تصاویر پزشکی با توجه به آن که وضعیت بدن را به صورت دو بعدی و حتی سه بعدی - بوسیله کامپیوتر - نشان میدهند، یکی از مهمترین وسایل تشخیصی برای پزشکان هستند که همواره بخش عظیمی از تحقیقات را به خود اختصاص دادهاند
سیستمهای تصویر برداری را میتوان به گروههایی همچون رو شهای اشعه ایکس، رادیوگرافی، فلوئورسکوپی، سی تی اسکن، روش مغناطیسی یا ام آر ای، پزشکی هست های و رو شهای ماوراء صوت تقسیم کرد .تصاویر حاصله در روشهای فوق به صورت خام قابل استفاده نیستند، لذا پرداز شهای وسیع و گستردهای روی آنها صورت میگیرد که عموما شامل پردازش تصاویر و استخراج اطلاعات موثر در تشخیص و یافتن مواضع مورد توجه، بازسازی تصاویر در کامپیوتر به صورت سه بعدی و درون یابی اطلاعات جهت تولید برشهای لازم از ارگان تحت تصویربرداری، حذف نویز، اختصاص رنگ و در کل ارتقاء کیفیت تصویر میباشد
