ارزیابی بخش‌بندی توأم با تصحیح میدان بایاس تصاویر MR مغز انسان توسط روش‌های تنظیم سطح و مؤلفه‌های ذاتی ضرب‌شونده

Abstract

بخش‌بندی تصاویر MR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در این تصاویر، بخش‌بندی به‌وسیله یک عامل درونی به‌نام ناهمگنی شدت دچار خطا می‌گردد که این ناهمگنی به‌دلیل وجود هم‌پوشانی در بین شدت بافت‌های مغزی است و اغلب باعث کلاس‌بندی نادرست بافت‌های مغزی می‌گردد. در این مقاله دو روش پیشنهادی جهت بخش‌بندی و اصلاح بایاس این تصاویر مطرح می‌شود که از طریق دو الگوریتم تنظیم سطح (LSM) و بهینه‌سازی مؤلفه‌های ذاتی ضرب‌شونده (MICO) پیاده‌سازی می‌گردند. روش‌های مطرح‌شده در این مقاله عبارت‌اند از: اصلاح بایاس تصاویر MR مغز انسان توسط یکی از دو الگوریتم فوق و بخش‌بندی آن توسط الگوریتم دیگر و بالعکس. هدف، بررسی کارایی روال تصحیح بایاس و بخش‌بندی هر الگوریتم به‌صورت جدا و ارزیابی کمی و کیفی نتایج حاصله و انتخاب الگوریتم مناسب جهت به‌دست آوردن نواحی سه‌گانه بافت‌های مغزی (WM ،GM و CSF) است. تحلیل‌های کمی و کیفی بر روی نتایج، دقت بالای 90 درصدی را برای ناحیه حاوی CSF با استفاده از الگوریتم MICO و همچنین به همین میزان برای نواحی WM و GM توسط الگوریتم LSM را نشان داد. با استفاده از این نتایج می‌توان الگوریتم بهینه جهت اصلاح بایاس و بخش‌بندی هر ناحیه را انتخاب کرد.