کلاس بندی تصاویر پزشکی MRI با استفاده از شبکه های عصبی اسیلاتوری و روش SVM

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش دهد. هدف از این مقاله بررسی تشخیص و جداسازی بافت های آسیب دیده از بافت های سالم توسط شبکه عصبی اسیلاتوری و SVM می باشد. سیستم عصبی بر مبنای ترکیبی از همکاری بین اسیلاتورهای عصبی و روش عصبی MLP ارائه شده است. و بدین منظور در الگوریتم پیشنهادی برای عملیات پیش پردازش ابتدا تصویر را برای استخراج ویژگی آماده می کنیم در این مرحله از حذف نویز و تبدیلات مورفولوژی استفاده می شود. در مرحله دوم الگوریتم به استخراج ویژگی های تصویر می پردازیم. در این مرحله ویژگی هایی بر مبنای نوع بافت تصویر استخراج می شود البته باید توجه داشت که ویژگی ها برای هر بلوک پیکسلی تعریف می شود زیرا ویژگی هایبافت تصویر برای یک پیکسل قابلیت تعریف ندارد. بنابراین تصویر را به مجموعه ای از پیکسل ها می توان تقسیم نمود و برای هر کدام از بلوک ها ویژگی های تبدیل موجک استخراج می شود.سپس بر اساس دیتا بیس بافت سرطانی و غیر سرطانی شبکه عصبی را آموزش می دهیم و در نهایت بر روی تصاویر مختلف عملیات شناسایی را مشاهده نمود

Keywords:

پردازش تصویر , استخراج ویژگی , شبکه عصبی , بافت سرطانی , تبدیل موجک