بخش بندی مبتنی بر روش آموزش فعال نواحی ضایعه سكته مغزی از روی تصاویر MRI

در اين تحقیق يک روش تقطیع تصوير به صورت نیمه نظارتي مبتني بر آموزش فعال طبقه بند بیز ارائه شده است. در اين روش نواحي کوچكي از تصوير توسط فرد خبره به صورت دستي جداسازي مي شود. سپس پیكسل هاي اين ناحیه به صورت شي و پس زمینه برچسب مي خورند. اين کار با تعريف يک سطح آستانه توسط فرد خبره که همان پزشک متخصص است انجام مي گیرد. سپس طبقه بند بیز با اين نمونه ها آموزش مي بیند و در ادامه الگوريتم آموزش فعال، پیكسل هاي بدون برچسب را نیز به مجموعه آموزشي اضافه مي کند و رفته رفته نمونه هاي آموزشي طبقه بند بیز افزايش يافته و خطاي طبقه بند کاهش پیدا مي کند. ويژگي هاي استفاده شده در اين تحقیق براي طبقه بندي پیکسل ها، ويژگي هاي فضاي رنگ خواهد بود که ترکیباتي از فضاي رنگ RGB و HSV و تبديلات آنها است. در نهايت کل تصوير با اين الگوريتم به چند سطح (کلاس) پس زمینه و اشیا طبقه بندي مي شود. براي ارزيابي کیفیت تقطیع تصوير، از ضريب تشابه دايس بین تصوير تقطیع شده و تصوير اصلي استفاده شده است. سپس اين نتايج بر مبناي ضريب دايس با روش بدون نظارت خوشه بندي SOM مقايسه شده است. هدف ما اين است که با استفاده از روش آموزش فعال و طبقه بند بیز با تعداد نمونه آموزشي کمتر تقطیع بهتر و دقیق تري را براي تصاوير MRI داشته باشیم.

Keywords:

آموزش فعال , طبقه بند بیز , تقطیع تصویر , ضریب تشابه دایس