بخشی از مقاله
چکیده:
تحقیقات در مورد سرطان در قرن 21 به یکی از معمولترین تلاشها تبدیل شده است. در سرطانها تشخیص به هنگام و درمان مناسب میزان بهبودی و زنده ماندن بیماران را بهبود میبخشد. مطالعات نشان میدهد که استفاده از فنآوریهای نوین کامپیوتری همچون مکانیسمهای پردازش تصویر در فرآیندهای مربوط به تشخیص و دستهبندی سرطانها موفق عمل کرده است. ترسیم، و یا قطعهبندی، پروستات یک کار بسیار مهم در انتساب درمان مناسب برای سرطان است.
با این حال، ترسیم دستی یک کار خستهکننده و وقتگیر است. قطعهبندی پروستات یک کار چالشبرانگیز است. کنتراست پایین، نویز اسپکل، خوشهبندی بسیار کوچک و مصنوعات تصویربرداری مانند سایه چالشهایی جدی برای قطعهبندی دقیق پروستات در سونوگرافی از طریق مقعد - TRUS - است. این مقاله به بررسی روش-های قطعهبندی تصاویر دوبعدی پروستات میپردازد.
هدف از این مطالعه پیدا کردن شباهات و تفاوتها میان الگوریتمهای مورد بررسی در این مقاله میباشد. برجسته کردن نقاط قوت و ضعف روشها میتواند به انتخاب الگوریتمی مناسب بسته به نوع شرایط کمک کند. ما به ارائه شرح مختصری از روشهای قطعهبندی تصاویر دوبعدی پروستات میپردازیم و سپس الگوریتمها را گروهبندی کرده و به بررسی مزایا و اشکالات آن میپردازیم. در نهایت یک مقایسه بر روی روشها ارائه میکنیم.
مقدمه
سرطان پروستات یک مشکل عمده در غرب و دومین سرطان شایع در بین مردان پس از سرطان ریه است. آمار مرکز تحقیقات سرطان بریتانیا نشان میدهد که تنها کمی بیش از 338000 نفر از 913000 نفر از مبتلایان به سرطان پروستات، در هر سال تشخیص داده میشوند. بیشترین موارد سرطان پروستات در ایالاتمتحده آمریکا، استرالیا، نیوزلند، غرب و شمال اروپا تشخیص داده شده است؛ درحالیکه پایینترین نرخها در جنوب آسیای مرکزی مشاهده شده است
تحلیل و بررسی تصاویر پزشکی مستلزم استخراج اطلاعات تصویر و نواحی مجزای هر تصویر میباشد. از این رو قطعهبندی تصویر یکی از مهمترین مراحل در پردازش و تحلیل تصاویر پزشکی به شمار می-رود. قطعهبندی یک تصویر بر تفکیک و جداسازی تصویر به نواحی دلالت دارد، به طوری که پیکسلهای هر ناحیه دارای یک ویژگی خاص مشترک میباشند - که میتواند متعلق به یک شیء باشد - . اساسیترین ویژگی در قطعهبندی یک تصویر تکرنگ، میزان درخشندگی تصویر و در قطعهبندی یک تصویر رنگیمولّفههای رنگیاش میباشند.
همچنین لبههای تصویر و بافت ویژگیهای سودمندی برای قطعهبندی میباشند. الگوریتم بهکاررفته برای قطعهبندی، فقط تصویر را به قطعات کوچکتر تقسیم مینماید و توجهی به شناسایی قطعات و روابط مابین آنها نمینماید. به طور کلی تعریف مشخصی برای قطعهبندی وجود ندارد. از این رو نمیتوان یک روش استاندارد واحدی از قطعهبندی را به وجود آورد؛ بلکه مجموعهای از روشها ارائهشدهاند که درجهی کارایی مختلفی برای قطعهبندی هر تصویر دارند. از این رو تعیین درجه کارایی هر روش ضروری به نظر میرسد.
در تصاویرTRUS اسپکل، سایه و کنتراست پایین وجود دارد [2] که در آن غده پروستات میتواند اغلب به عنوان یک جرم هیپواکوئیک بوده و توسط یک هاله هایپراکو احاطهشده [3] مشاهده شود.
از آنجا که قطعهبندی دستی پروستات یک کار خستهکننده و بسته به ناظر است، این مقاله به طور خلاصه تکنیکهای توسعهیافته برای قطعهبندی تصاویر دوبعدی TRUSپروستات ارائه میدهد. در این مقاله روشهای مختلف موجود را به منظور نشان دادن شباهتها و تفاوتها و بیشتر برای استخراج مزایا و معایب الگوریتمهای بررسیشده طبقهبندی و بررسی میکند تا به یک ارزیابی کلی کیفی از عملکرد روشهای مختلف برسد. روشها با توجه به رویکرد نظری خود گروهبندی میشوند و معیارهای ارزیابی و درجه اعتبار خود را ارائه میدهند. بایدتوجه داشت که یک مقایسه کمّی از روشهای مختلف قطعهبندی تصاویرTRUS پروستات در غیاب مجموعههای عمومی دادهها، نرمافزارهای در دسترس عموم، و معیارهای ارزیابی استاندارد دشوار است.
به طور خلاصه، سهم مهم این مقاله عبارتاند از:
· یک طرح طبقه بندی برای گروهبندی جدید روشهای بررسیشده در مورد اساس رویکردهای نظری برای این مشکل. اینگونه طبقه بندی برای برجسته ساختن شباهتها و تفاوت روشهای بررسیشده مفید است.
· گنجاندن روشهای قطعهبندی تصاویر دوبعدی TRUS پروستات در یک مقاله. این جنبه کلیدی برای پیدا کردن پیوندها و تفاوتهای بین روشهای مختلف قطعه بندی است، و حتی مهمتر از آن موجب افزایش رو به رشد قطعه بندی پروستات خواهد شد.
· مقایسه روشهای قطعه بندیهای مختلف بر اساس نتایجشان نیز معرفی شدهاند.
