محمد راسق قزلباش - دانشجوی کارشناسی ارشد گروه مهندسی پزشکی دانشگاه حکیم سبزواری
خسرو رضایی - دانشجوی کارشناسی ارشد گروه مهندسی پزشکی دانشگاه حکیم سبزواری
حسن خاوری - دانشجوی کارشناسی ارشد گروه مهندسی الکترونیک دانشگاه حکیم سبزواری
غفار محمدی - دانشجوی کارشناسی ارشد گروه مهندسی الکترونیک دانشگاه حکیم سبزواری

پیاده‌سازی عملکردهای مرسوم تشخیص لب بر تصاویر پزشکی باعث می‌شود که گاهی اطلاعات غیرضروری استخراج شود و یا دربردارنده اطلاعات ناقص بخش هدف در تصویر باشد. در تصاویر فشرده و تصاویر همراه با نویز، به قطر شناسایی لب به مراتب کاهش می‌یابد. در این مقاله تکنیک آشکارسازی لب تصاویر پزشکی بر اساس الگوریتم کلونی مورچه معرفی شده است. در ابتدا با گسیل مورچه‌ها به سمت پیکسل های تصویر و تکیه بر مشخصه‌های لب، ماتریس فرومون ساخته می‌شود که شامل اطلاعات مربوط به بافت داسیت دیده است. تأثیری در دو مرحله پایانی با استفاده از تکنیک‌های پردازش تصویر ترکیب می‌شوند. با دریافت 200200 و 30 پزشکی مرکب از 90 تصویر شبکیه چشم افراد دیابتی، 80 تصویر MRI مثل و 50 تصویر رس کپی از پایگاه‌های پزشکی گوناگون و پیاده سازی سیستم بر آن‌ها در مقایسه با عملکردهای معروفی چون Canny و Sobel در سطح قابل قبولی با دقتی برابر با 94/90% بخش هدف در پستی از سایر بخش‌ها تفکیک شد. پیاده سازی سیستم و دستگاه‌های تصویربرداری بافت نه تنها دقت را در تشخیص بالا می‌برد بلکه داده‌ها را با سرعت چشمگیری پردازش می‌کند. کاهش هزینه‌ها، صرفه‌جویی در زمان و دقت بالای این سیستم از مزیت‌های ویژه‌ای است که آن را از سایر شیوه‌های مشابه متمایز می‌سازد.

الگوریتم بهینه‌سازی مچ، ماتریس فرومون ، پردازش تصویر، لب یابی و سرطان