محمد مهدی خلیل زاده - دانشجوی دکتری مهندسی پزشکی- بیو الکتریک- دانشگاه آزاد اسلامی واحد علو
عمادالدین فاطمی زاده - استادیار گروه مهندسی پزشکی دانشگاه شریف

خوشه یابی بدون سرپرست روشی قوی برای طبقه بندی تغییرات زمانی تصاویر پزشکی به صورت خود سازماندهی است. در این روش خوشه ها, پیکسل هایی با فعالیت مشابه را مشخص می کند. همان طور که در این مقاله خواهیم دید این نوع روشها در کاربردهای پزشکی داری کارایی بالایی هستند. یکی از این عملکردها در داده های تصویر برداری عملکردی تشدید مغناطیسی Functional Magnetic Resonance Imaging است که الگوریتمهای Neural Gas و Hard C-Means دو روش از این نوع, با تعریف معیارهایی در این بحث مورد بررسی قرار خواهند گرفت. نشان داده شده است که شناسایی وجداسازی تغییرات زمانی نقاط تصویر برای تفسیر و استفاده در سیستمهای پزشکی با سطح قابل قبولی توسط این روشها انجام می شود. در بخش دیگر به وسیله شاخصهایی, دو روش بررسی شده اند که با توجه به انعطاف و تعمیم پذیری و صرف زمان کمتر روش Neural Gas ،دارای مقبولیت بیشتری است.

خوشه‌یابی- تصویر‌برداری عملکردی- تشدید مغناطیسی- Neural Gas -Hard C-Means