بخش‌بندی خودکار ماهیچه‌های مقطع ران با استفاده از روش چنداطلس سلسله‌مراتبی و الگوریتم FRFCM در تصاویر سی‌تی‌اسکن

Abstract

کمی­سازی و مدل­سازی ماهیچه­های اسکلتی می­تواند به بررسی بیماری­های مربوط به ماهیچه، مشکلات حرکتی خاص و شبیه­سازی­های مورد نیاز برای انجام جراحی­های مربوطه کمک نماید. بدین منظور به بخش­بندی ماهیچه­ها در تصاویر پزشکی نیاز است. با توجه به اهمیت ماهیچه­های مقطع ران در حفظ تعادل بدن و راه رفتن، در این پژوهش بخش­بندی این ماهیچه­ها در تصاویر سی­تی­اسکن انجام شده که برای این منظور از روش چنداطلس (بهبود یافته‌ی روش چنداطلس سلسله‌مراتبی در مطالعه‌ی قبلی نویسندگان) استفاده شده است. در این روش پس از پیش­پردازش تصویر، ناحیه‌ی مربوط به ماهیچه از سایر بافت­ها با استفاده از روش FRFCM به صورت اتوماتیک استخراج شده و از ماسک باینری ماهیچه و ماسک ماهیچه‌ی بهبود یافته در روش چنداطلس برای بخش­بندی مجزای ماهیچه­ها استفاده شده است. روش پیشنهادی با استفاده از 20 مجموعه‌ی داده‌ی سی­تی­اسکن شامل 12 نمونه‌ی زن و 8 نمونه‌ی مرد پیاده­سازی شده است. این روش در مقایسه با روش چنداطلس سلسله‌مراتبی هزینه‌ی محاسباتی بسیار کم‌تری دارد. به طور میانگین، زمان مورد نیاز برای بخش­بندی ماهیچه­ها با استفاده از روش پیشنهادی و روش چنداطلس سلسله‌مراتبی به ترتیب برابر با 24 و 71 ثانیه برای یک اسلایس از هر نمونه بوده و بنابراین روش پیشنهادی زمان پیاده­سازی را تقریبا تا یک‌سوم روش قبل کاهش داده است. میانگین ضریب شباهت دایس برای روش پیشنهادی با ماسک ماهیچه‌ی بهبود یافته و روش چنداطلس سلسله‌مراتبی به ترتیب برابر با 69/7±58/86 و 26/8±07/83 بوده و میانگین دقت و حساسیت برای روش پیشنهادی برابر با 6/9±78/89 و 25/9±63/84 و برای روش چنداطلس سلسله‌مراتبی برابر با 04/12±85/88 و 88/10±04/78 می‌باشد. بنابراین بر اساس معیارهای ضریب شباهت دایس، دقت و حساسیت روش پیشنهادی نتایج کمی بهتری نسبت به روش پیشین داشته است.