بخش‌بندی خودکار ماهیچه‌های مقطع ران با استفاده از روش چند-اطلس سلسله مراتبی و الگوریتم FRFCM در تصاویر سی‌تی‌اسکن

کمی‌سازی و مدل‌سازی ماهیچه‌های اسکلتی می‌تواند به بررسی بیماری‌های مربوط به ماهیچه، مشکلات حرکتی خاص و شبیه‌سازی-های موردنیاز برای انجام جراحی‌های مربوطه کمک نماید. بدین منظور نیاز به بخش‌بندی ماهیچه‌ها در تصاویر پزشکی است. با توجه به اهمیت ماهیچه‌های مقطع ران در حفظ تعادل بدن و راه رفتن، در این پژوهش، بخش‌بندی این ماهیچه‌ها در تصاویر سی‌تی‌اسکن انجام گرفته است. بدین منظور، از روش چند-اطلس استفاده شده است که بهبود یافته روش چند اطلس سلسله مراتبی در مطالعه گذشته است. در این روش پس از پیش‌پردازش تصویر، ناحیه مربوط به ماهیچه از سایر بافت‌ها با استفاده از روش FRFCM به صورت اتوماتیک استخراج شده است. از ماسک باینری ماهیچه و ماسک ماهیچه بهبودیافته در روش چنداطلس به منظور بخش‌بندی مجزای ماهیچه‌ها استفاده شده است. روش پیشنهادی با استفاده از 20 سری داده سی‌تی‌اسکن شامل 12 نمونه زن و 8 نمونه مرد پیاده‌سازی شده است. این روش در مقایسه با روش چنداطلس سلسله مراتبی هزینه محاسباتی بسیار کمتری دارد. به طور میانگین، زمان مورد نیاز برای بخش‌بندی ماهیچه‌ها با استفاده از روش پیشنهادی 24 ثانیه و در روش چند اطلس سلسله مراتبی 71 ثانیه برای یک اسلایس هر نمونه بوده است. بنابراین، روش پیشنهادی زمان پیاده‌سازی را تقریبا تا یک-سوم روش قبل کاهش داده است. میانگین ضریب شباهت دایس برای روش پیشنهادی با ماسک ماهیچه بهبودیافته و روش چند-اطلس سلسله مراتبی به ترتیب برابر با 7/69 ±86/58 و 8/26 ±83/07 است. میانگین دقت و حساسیت برای روش پیشنهادی برابر با 9/6± 89/78 و 9/25 ±84/63 و برای روش چنداطلس سلسله مراتبی برابر با 12/04 ±88/85 و 10/88± 78/04 بوده است. بنابراین، این روش نتایج کمی بهتری نسبت به روش پیشین براساس معیارهای ضریب شباهت دایس، دقت و حساسیت داشته است.