فاطمه شاهینی اردکانی - گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
محمدحسین فاتحی دیندارلو - گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
حسن معصومی - گروه مهندسی پزشکی، دانشکده فنی مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران

بخش بندی یا تقطیع تصاویر سی تی اسکن از ناحیه کبد به عنوان یک چالش برای فعالیت های بعدی مانند تشخیص بیماری های مختلف و شناسایی نواحی دارای مشکل به خصوص سرطان کبد، به عنوان یک فرایند اصلی و پردازش مهم، برشمرده میشود. در ابتدا یک مرحله پیش پردازش صورت می گیرد و سپس تقطیع اولیه با رویکرد K-means فازی انجام می شود. به دلیل این که الگوریتم K-means فازی توان بالایی در تقطیع تصاویر ندارد و با حد بالا و پایین K ام به صورت سطح میانه شروع به کار میکند، لذا ویژگی هایی باقی می ماند که می توان از آن ویژگیها برای تقطیع استفاده نمود. لذا یک فضای جستجو را ایجاد می کند که می توان از الگوریتم های هوش ازدحامی و تکاملی استفاده نمود که این تحقیق، استفاده از الگوریتم عنکبوت اجتماعی را به دلیل سرعت بالا در اجرا و همگرایی سریع، مدنظر قرار داده است. شناسایی ویژگی هایی هم چون بافت، لبه و شدت روشنایی، می تواند به این الگوریتم در قطعه بندی دقیق ناحیه کبد کمک نماید. در انتها نیز از یک سری معیار ارزیابی شامل دقت، حساسیت و نرخ ویژگی ها استفاده شد که نتایج هر کدام به ترتیب برابر %۹۸.۹۷ ، %۹۱.۲۵ و %۹۸.۵ تخمین زده شده است. نتایج حاصل نشان می دهد که نسبت به روش های پیشین مشابه دارای برتری عملکردی است.

بیماری صرع، یادگیری انتقالی، طبقه بندی کننده . SVM