• مازندران، بابل، حدفاصل کارگر و کشوری، مجتمع تجاری غفاری، واحد24
  • پشتیبانی: 09361444655
شناسایی تومورهای مغزی با استفاده از بخش‌بندی تصاویر Image Segmentation

شناسایی تومورهای مغزی با استفاده از بخش‌بندی تصاویر Image Segmentation

تشخیص تومورهای مغزی با استفاده از الگوریتم‌های هوش مصنوعی

تومور مغزی تشکیل شده از سلول‌هایی است که نمایشگر رشد بیرویه در مغز می‌باشند. طبیعت تومورهای مغزی بدخیم است، زیرا با اشغال فضای مغز جای بافت‌هایی را که برای اعمال حیاتی بدن نیاز است را می‌گیرند. به علت طبیعت تهاجمی تومورهای مغزی، این تومورها بر مهم‌ترین عضو بدن (مغز) اثر گذارند.

تشخیص اولیه تومور و تخمین پیشرفت آن برای درمان بهتر این بیماری، امری بسیار حیاتی می‌باشد. در حال حاضر در برنامه‌های کاربردی کلینیکی محدوده تومور در عکس مغز به صورت دستی تعیین می‌شود، در نتیجه زمانی که حجم اطلاعات زیاد است، روش دستی غیر قابل اجرا می‌باشد.

قطعه‌بندی تومور یا ناحیه غیر طبیعی تصاویر رزونانس مغناطیسی (MRI) می‌تواند نقش مهمی در تحقیقات سرطان و عملیات‌های بالینی بازی کند. اگر چه قطعه‌بندی دقیق تومور توسط رادیولوژیست‌ها ایده‌آل است، اما بسیار وقت‌گیر است. تجربه نشان می‌دهد که به منظور شاخص‌گذاری بانک‌های اطلاعاتی MRI، قطعه‌بندی‌های تقریبی می‌توانند کافی باشند.

روش هیستوگرام (آستانه گیری)

این روش با استفاده از هیستوگرام روشنایی یا رنگ عمل ناحیه‌بندی را انجام می‌دهد. فرض بر این است که تصویر دارای سطوح روشنایی متفاوتی است که در هیستوگرام روشنایی به صورت قله و دره خود را نمایش می‌دهد و مرز بافت‌ها در محل دره جدا می شود، همچنین می‌توان چندین سطح آستانه برای ناحیه‌بندی انتخاب روش معمولا در اولین مرحله از کارهای پردازش تصویر استفاده می‌شود.

در این حالت تعداد نواحی که برای ناحیه‌بندی در نظر گرفته می‌شوند به اندازه یک واحد بیشتر از نقاط آستانه می‌باشد. این روش قادر است دو بافت سالم و تومور را در دو کلاس مجزا ناحیه‌بندی کند. در حقیقت اگر وضوح تصویر مناسب باشد این روش قادر است که سوژه (هدف) را از پس زمینه تمیز دهد.

این روش فقط از اطلاعات روشنایی هیستوگرام تصویر استفاده می‌کند بنابراین اطلاعات مکانی تصویر را شامل نمی‌شود.

اجرای پیاده سازی

هر خط نشان دهنده تعداد آستانه می‌باشد، در هر خط دارای چهار پارامتر:

  1. شروع بازه رنگی
  2. پایان بازه رنگ یا سطح خاکستری تصویر
  3. رنگ جایگزین
  4. و پارامتر آخر نشان‌دهنده نوع اعمال رنگ می‌باشد که با دو نوع a و b جداسازی می شود

دستورات را با خط تیره جداسازی کنید. بازه سطوح خاکستری از 0 تا 255 می‌باشد. پارامتر a رنگ سوم را از تصویر اصلی بر اساس مقداری که به آن دادید کم یا زیاد می‌کند. پارامتر b رنگ سوم را دقیقا در تصویر اصلی جایگزین می‌کند.

 



 

همچنین برای دریافت و مشاهده سورس‌کد برنامه به لینک https://github.com/icedavood/histogramdetection مراجعه کنید.

مراجع

  • https://trita.org
  • https://tikateam.com