بخش بندی ناحیه شفافیت گردنی جنین بر اساس الگوریتم خوشه بندی FCM مبتنی بر کرنل

سندروم داون یکی از بیماری های جنینی می باشد که با استفاده از روش های تهاجمی و غیر تهاجمی در سه ماهه اول و به صورت تکمیلی در سه ماهه دوم بارداری قابل تشخیص است. با توجه به این که روش های تهاجمی خطرناک می باشند، استفاده از روش غیر تهاجمی دارای دقت مناسب همواره مورد توجه متخصصین در این زمینه می باشد. یکی از روش های غیر تهاجمی، اندازه گیری ضخامت شفافیت گردنی جنین در تصاویر سونوگرافی می باشد، که این روش به دلیل کیفیت نامطلوب تصاویر سونوگرافی و وابستگی شدید به اپراتور محدوده حساسیت بالایی دارد. هدف ما از این پژوهش، ارایه روشی کارآمد و موثر برای بخش بندی شفافیت گردنی جنین، ضمن کاهش نقش اپراتور می باشد. الگوریتم ارایه شده در این پژوهش پس از اخذ تصویر سونوگرافی جنین شامل بخش بندی ناحیه مورد نظر با استفاده از روش خودکار بر اساس الگوریتم خوشه بندی FCM مبتنی بر کرنل (KFCM) میباشد که نسبت به بخش بندی دستی دارای میزان حساسیت بالای 0.9531 و ضریب جاکارد 0.9318 می باشد. نتایج بدست آمده در این پژوهش با درصد خطای قابل قبول نسبت به اپراتور خبره ناحیه شفافیت گردنی را به صورت خودکار بخش بندی می کند.

Keywords:

سندروم داون , نشانگرهای سونوگرافی , ناحیه بندی شفافیت گردنی جنین , الگوریتم KFCM