ارائه الگوریتم جدید جهت قطعه بندی کردن اتوماتیک تصاویر پزشکی mri و ct

مسئله تقسیم بندی تصاویر magnetic resonance imaging(mri)به صورت اتوماتیک یک مسئله پیچیده می باشد. در این گزارش روش جدیدی جهت پیدا کردن تعداد قسمت های تصاویر مغز و تقسیم بندی اتوماتیک جهت تصاویر mri مغزی نرمال و غیر نرمال ارائه گردیده است. هدف در روش اتوماتیک قسمت بندی تصویر این است که تعداد قسمت های یک تصویر با توجه به آنتروپی آن تشخیص داده شود و دیگر اینکه با تشخیص صحیح تعداد قسمت های تصویر دقت تقسیم بندی نیز افزایش یابد. با توجه به اینکه تعیین اتوماتیک تعداد قسمت های یک تصویر و همچنین مراکز قسمت های حدس زده شده به صورت اتوماتیک مستلزم امتحان حالات زیادی می باشد جهت رفع این مشکل و بالا نگه داشتن دقت از ترکیب روش ژنتیک با روش fcm استفاده نموده ایم. در این روش سعی شده که با تغییر روش fuzzy c-means(fcm)به عنوان تابع هدفبا بکارگیری فاصله های درون کلاسی و برون کلاسی و ترکیب این روش ها با الگوریتم ژنتیک مسئله تقسیم بندی تصویر را دقیق تر انجام دهیم. در این روش علاوه بر در نظر گرفتن کمترین فاصله بین داده ها و مرکز، دور بودن آن داده ها از سایر مراکز نیز لحاظ می گردد.به منظور کاهش اثر نویز در تقسیم بندی از همسایه های محلی و غیر محلی استفاده شده است. روش معرفی شده بر روی تصاویر ام.آر.آی بدست آمده از سایت brainweb و همچنین 10 تصویر ام.آر.آی واقعی آزمایش گردیده است.آزمایشات ما نشان می دهند که روش ارائه شده در مقایسه با روش های مشابه، بهبود قابل توجهی را در صحت تقسیم بندی تصاویر به همراه دارد.