جداسازی اتوماتیک ریه در تصاویر سی تی

در این تحقیق مدلی ساده و انعطاف پذیر بر مبنای تکنیک مدل توزیع شده نقطه ایی به منظور بیان تغییرات شکل و ظاهر ریه ارایه شده است. در این راستا، محدوده مرزی ریه در تصاویر پزشکی سی تی توسط مجموعه ایی از نقاط راهنما مشخص شده و پراکندگی تغییرات از تفاوت نحوه-ی توزیع این نقاط راهنما بین میانگین اشکال و شکل ریه در هر تصویر تعیین شده است. همچنین در این تحقیق، توصیفی از سطح خاکستریِ پیکسل های اطراف هر نقطه راهنما نیز به مدل توزیع شده نقطه ایی اضافه شده است. در ادامه از این مدل به منظور سگمنت سازی ریه در تصاویر سی تی با به کارگیری الگوریتم مدل پویای شکل استفاده شده است. روش ارایه شده بر روی مجموعه ایی نسبتاً بزرگ، شامل 247 تصویر سی تی از قفسه سینه آزمایش گردیده است. نتایج بدست آمده کارایی مناسب روش ارایه شده را اثبات می نماید. همچنین بر اساس نتایج بدست آمده، به منظور بهبود هرچه بیشتر عملکرد الگوریتم مدل پویای شکل، مقادیر بهینه پارامترهای آزاد این الگوریتم تحلیل و معرفی گردیده است. روشی که در این تحقیق به منظور سگمنت سازی ریه معرفی گردید، ساده، بهینه و در عین حال قابل انعطاف است. کلاس نسبتاً بزرگی از تصاویر سی تی از قفسه سینه توسط میانگین محل قرارگیریِ مجموعه ایی از نقاط راهنما و نحوه ی پراکندگی تغییرات حول این میانگین، مدل شده اند. در مدل پویای شکل تغییر جداگانه هر پارامتر ، نقاط مدل را در یک خط مستقیم جابجا می کند. لذا این مدل برای بیان تغییرات غیرخطی نظیر خمیدگی یا چرخش دو زیرمجموعه نسبت به هم موثر و کارا نمی باشد. امّا همانطور که واضح است شکل ریه، هیچ زیر مجموعه خاصی ندارد و برای بیان آن یک مدل خطی ساده کافی است و احتیاجی به ساخت مدل های پیچیده تر نمی باشد. لازم به یادآوری است مزیت اصلی این مدل دارا بودن پیچیدگی محاسباتی خطی از مرتبه o(n) است.