|
Title
|
قطعه بندی تصاویر پزشکی با استفاده از خوشه بندی فازی مبتنی بر وزن دهی و پیوند عضویت میانگین با بهره گیری از تبدیل موجک - کانتورلت
|
|
Type of Research
|
Thesis
|
|
Keywords
|
قطعه بندی تصاویر پزشکی، استخراج ویژگی، خوشه بندی فازی، وزن دهی، اطلاعات مکانی، پیوند عضویت میانگین، تبدیل موجک-کانتورلت
|
|
Abstract
|
امروزه تصاویر پزشکی به طور گسترده ای برای اهداف تشخیصی مورد استفاده ی متخصصین قرار می گیرند. برای یک رادیولوژیست یا پزشک بالینی، قطعه بندی، شناسایی و استخراج ناحیه ی مورد نظر از تصاویر پزشکی یک کار دشوار و پیچیده است. روش های پردازش تصویر به منظور بهبود یا جایگزین تشخیص پزشک مطرح می شوند. پردازش تصاویر پزشکی معمولا شامل مراحلی مانند پیش پردازش، قطعه بندی، استخراج ویژگی، طبقه بندی و تشخیص بیماری ها است. قطعه بندی تصویر یکی از مراحل اساسی در پردازش تصاویر پزشکی است. هدف از قطعه بندی تصویر، افراز تصویر به مجموعه ای از نواحی همگن و معنی دار است به طوری که برای تجزیه و تحلیل و تشخیص ناحیه ی موردنظر آسان تر باشد. استخراج ویژگی نیز گامی مهم در پردازش تصاویر پزشکی است که به بهبود عملکرد فرآیند قطعه بندی کمک می کند. دقت قطعه بندی بدون استخراج ویژگی نمی تواند مناسب باشد زیرا ممکن است در طبقه بندی ابهام وجود داشته باشد. بنابراین نیاز به روشی که بتواند به طور اتوماتیک و دقیق ویژگی های مهم را از تصاویر پزشکی استخراج کرده و سپس با استفاده از این ویژگی ها به قطعه بندی نواحی مختلف تصویر و در نهایت شناسایی ناحیه ی موردنظر بپردازد، ضروری است. خواص منحصر به فرد کانتورلت مانند جهت دار بودن و ناهمسان گردی، آن را به ابزاری قدرتمند برای استخراج ویژگی تبدیل کرده است. تبدیل موجک گسسته ذاتاً از جهت دار بودن و ناهمسان گردی پشتیبانی نمی کند. تبدیل کانتورلت بر این محدودیت ها غلبه کرده و یک کانتور هموار را با ضرایب کمتری نسبت به موجک ها نشان دهد. از طرفی، از آنجایی که تبدیل موجک مزایای بیشتری نسبت به تجزیه ی هرم لاپلاسین دارد و کانتورلت نیز دارای ویژگی های جهت دار بودن و ناهمسان گردی است، ترکیب این دو تبدیل با هم می تواند ویژگی های ساختار تصویر را به طورکارآمدتری ثبت کند. بنابراین در این پژوهش از تبدیل ترکیبی موجک-کانتورلت برای بهبود تصاویر پزشکی و سپس استخراج ویژگی های مهم از آن ها استفاده می کنیم. بعد از بهبود تصاویر و استخراج ویژگی های مهم از آن ها، استفاده از روشی که بتواند از این ویژگی ها استفاده کرده و با دقت خوبی به قطعه بندی تصاویر بپردازد، ضروری است. تکنیک های مختلفی در مراجع برای قطعه بندی تصاویر ارائه شده است که از میان آن ها روش های مبتنی بر خوشه بندی، خصوصا خوشه بندی FCM، به دلیل سا
|
|
Researchers
|
(Student)، Nasser Aghazadeh (Primary Advisor)، (Advisor)، Amin Golzari Oskouei (Second Advisor)، Mahdi Hashemzadeh ()
|