ترکیب کلونی مورچگان و الگوریتم شایعه پراکنی محلی در مدل میدان تصادفی به منظور قطعه بندی تصاویر سه بعدی مغز

قطعه بندی تصاویر مغز یکی از اساسی ترین پروسه ها درآنالیز بیماریهای مغزی و طراحی برنامه های درمان است تصاویر پزشکی همواره با مقدار قابل توجهی نویز ناشی از شرایط محیطی ماهیت تصویربرداری و تاثیر امواج سایر تجهیزات پزشکی همراه است که منجر به ناکارآمدی روشهای قطعه بندی می شود مدل میدان تصادفی مارکوف یک مدل آماری است که با یاری گرفتن از تعریف سیستم همسایگی و قیود وابستگی های فاصله ای تاثیر نویز در قطعه بندی را کاهش داده و مساله قطعه بندی را به یافتن یک میدان برچسب گذاری با مقدار انرژی بهینه تبدیل می نماید روشهای جستجوی گوناگونی برای یافتن این میدان بهینه پیشنهاد شده اند اگرچه با کمک این روشها موفقیت های چشمگیری دراین زمینه بدست آمده اما درعمل بار محاسباتی بالا و سرعت کم این مدل برای انجام پروسه قطعه بندی کماکان یک چالش محسوب می شود برایرفع این مشکل دراین مقاله یک روش ترکیبی جدید برپایه الگوریتم بهینه سازی کلونی مورچگان و الگوریتم شایعه پراکنی به منظور قطعه بندی تصاویر سهبعدی مغز ارایه شده است نتایج بدست آمده سرعت بالاتر روش پیشنهادی را نسبت به روشهای موجود نشان میدهد

Keywords:

قطعه بندی تصاویر سه بعدی MRI مغز , مدل میدان تصادفی مارکوف , بهینه سازی تابع انرژی , الگوریتم بهینه سازی کلونی مورچگان , الگوریتم شایعه پراکنی