شناسایی نودول ها در تصاویر حجمی ریه به کمک ویژگی های بافتی و هندسی

در این پایان نامه هدف شناسایی و جداسازی خودکار توده های کوچک سرطانی (نودول) از تصاویر ct قفسه صدری می باشد که در تشخیص زود هنگام سرطان ریه کاربرد دارد. چنین سیستمی شامل سه مرحله اساسی پردازش اطلاعات می باشد. در مرحله اول تا حد امکان از نویز تصاویر ورودی کاسته و به کمک درون یابی خطی، تصویر حجمی ct متعادل سازی می شود. نهایتاً بافت ریه از سایر بافت های تصویر جدا می شود. برای این منظور از هیستوگرام روشنایی برش های ct و اطلاعات برش های همجوار استفاده نموده ایم. سپس با در نظر گرفتن ویژگی خمش از کانتور ناحیه بدست آمده و عملیات مورفولوژی، بافت ریه با دقت بسیار خوبی جدا می شود. با توجه به اندازه متفاوت نودول ها و تشابه شدت روشنایی آن ها با عروق ریه شناسایی آن ها دشوار می باشد. با توجه به کروی بودن نودول ها در تصاویر حجمی ct در جدا سازی آن ها علاوه بر شدت روشنایی، از شکل هندسی بافت نیز استفاده می نماییم. اغلب روش های مبتنی بر شکل شناسی در فضای سه بعدی اجرا می شوند که به دلیل حجم زیاد اطلاعات تصویری، مستلزم صرف زمان بسیاری هستند. در این پایان نامه آنالیز دو بعدی داده ها در سه جهت مختلف عمود بر یکدیگر پیشنهاد می گردد که کاهش چشمگیری در زمان اجرای الگوریتم دارد. خروجی این مرحله تعدادی نقاط کاندید برای نودول در تصویر حجمی ct می باشد. در نهایت جهت جداسازی نودول ها از بافت ریه، با توجه به نقاط کاندیدی که از مرحله پیش بدست می آیند، از روش آنالیز فضای ویژگی ها استفاده می کنیم. در تشکیل فضای ویژگی از اطلاعاتی چون موقعیت مکانی هر پیکسل حجمی، شدت روشنایی و اطلاعات شکل هندسی بدست آمده از خروجی فیلترهای مرحله قبل، استفاده می شود. جداسازی بافت نودول به کمک روش غیر پارامتریکی انتقال میانگین انجام می شود. مهم ترین نکته در استفاده از این روش تنظیم مناسب پارامتر پهنای باند می باشد که در این پایان نامه روشی جدید جهت انتخاب بهترین پهنای باند پیشنهاد می گردد. قابلیت شناسایی انواع مختلف توده ها، نرخ خطای بسیار کم، دقت در جداسازی و سرعت اجرای بسیار بالا، نوید استفاده عملی از این سیستم در کاربردهای پزشکی را می دهد. کلمات کلیدی: تصاویر ct حجمی، نودول، درون یابی خطی، هیستوگرام شدت روشنایی، خمش، عملیات مورفولوژی، فرآیند انتقال میانگین.