بررسی کمی و کیفی اصلاح میدان بایاس و بخش‌بندی همزمان در روش بهینه‌سازی مولفه‌های ذاتی ضرب شونده در تصاویر MR مغزی

بررسی کمی و کیفی اصلاح میدان بایاس و بخش‌بندی همزمان در روش بهینه‌سازی مولفه‌های ذاتی ضرب شونده در تصاویر MR مغزی

اکبر علی پور صیفار1 موسی شمسی2

1) دانشجوی کارشناسی ارشد مخابرات گرایش سیستم، واحد علوم و تحقیقات آذربایجانشرقی، تبریز، ایران -
2) دانشیار مهندسی پزشکی گرایش بیوالکتریک دانشگاه صنعتی سهند، گروه مهندسی پزشکی، تبریز، ایران،

کد IOI مقاله : XYDC-AGBBH
محل انتشار : کنفرانس بین المللی پژوهش در علوم و مهندسی(icrsie.com)
چکیده :
    بخش‌بندی تصاویر MR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در تصاویر MR مغز، بخش‌بندی به‌وسیله یک عامل درونی به‌نام ناهمگنی شدت دچار خطا می‌شود که این ناهمگنی شدت به‌دلیل وجود هم‌پوشانی در بین شدت بافت‌های مغزی است که اغلب باعث کلاس‌بندی نادرست بافت‌های مغزی می‌گردد. در این مقاله یک روش جدید جهت بخش‌بندی و اصلاح میدان بایاس به‌صورت همزمان، مطرح می‌گردد که روش بهینه‌سازی مولفه‌های ذاتی ضرب‌شونده (MICO) نام دارد. روش فوق تصاویر MR مغز را به دو مولفه ذاتی تجزیه می‌کند که یکی ویژگی فیزیکی بافت و دیگری میدان بایاس آن است که به همراه ویژگی‌های مکانی مربوطه ارایه می‌شود. در ادامه از طریق کمینه‌سازی انرژی در یک فرآیند تکراری، مولفه‌های ذاتی فوق را بهینه¬سازی و در نتیجه اصلاح میدان بایاس و بخش‌بندی همزمان را انجام می‌دهد. ارزیابی‌های کمی بازدهی بالای روش MICO را در اصطلاح کارایی و دقت ثابت کرد که دقت 90 درصد را برای بخش‌بندی و اصلاح میدان بایاس را در نواحی سه‌گانه مغزی و به‌ویژه در ناحیه حاوی مایع مغزی- نخاعی (CSF) نشان داد.

کلمات کلیدی : بهینه‌سازی مولفه‌های ذاتی ضرب‌شونده اصلاح میدان بایاس ناهمگنی شدت بخش‌بندی تصاویر mr مغزی