فرخنده خلدنوش - موسسه آموزش عالی ابرار تهران
محمدابراهیم شیری - دانشگاه صنعتی امیرکبیر

قطعه بندی تصاویر سی تی اسکن از ناحیه کبد به عنوان یک چالش برای فعالیت های بعدی مانند تشخیص بیماری هایمختلف و شناسایی نواحی دارای مشکل به خصوص سرطان کبد، به عنوان یک فرایند اصلی و پردازش مهم، برشمرده می شود. اینعملیات که منجر به پیدا کردن یک سری نواحی می شود، به عنوان یک مسئله مهم در جامعه پزشکی هوشمند، مورد مطالعه وپژوهش است. در این مقاله به ارائه یک روش هوشمند و خودکار جهت قطعه بندی تصاویر سی تی اسکن ناحیه کبد جهت شناختبافت آن پرداخته شده است که از مجموعه داده سی تی اسکن SLIVER 07 استفاده می کند. در ابتدا عملیات پیش پردازشجهت رفع نویز، ضروری است. در ادامه عملگرهای ریخت شناسی تصویر استفاده می شوند که در رویکرد پیشنهادی یعنی ساختارترکیبی الگوریتم K-means و الگوریتم هوش ازدحامی و تکاملی، جهت عملیات قطعه بندی تصویر استفاده می شوند. در این مقاله،استفاده از الگوریتم عنکبوت اجتماعی را به دلیل سرعت بالا در اجرا و همگرایی سریع، مدنظر قرار داده است. شناسایی ویژگیهایی هم چون بافت، لبه و شدت روشنایی، می تواند به این الگوریتم در قطعه بندی دقیق ناحیه کبد کمک نماید. در انتها نیز ازیک سری معیار ارزیابی شامل دقت، حساسیت و نرخ ویژگی ها استفاده شد که نتایج هر کدام به ترتیب برابر 98.97% ، 91.25% و98.5% تخمین زده شده است. نتایج حاصل نشان می دهد که نسبت به روش های پیشین مشابه دارای برتری عملکردی است.

پردازش تصویر، قطعه بندی، تصاویر سی تی اسکن، کبد