پردازش تصاویر پزشکی
محمدمهدی علیمرادی؛ محمد باقر خدابخشی؛ شهریار جاماسب
دوره 17، شماره 1 ، خرداد 1402، ، صفحه 61-70
چکیده
سکته مغزی یکی از علل مرگ و میر و عامل اصلی ایجاد ناتوانی بیماران در کشورهای توسعه یافته است. به طور معمول شناسایی ضایعات سکته مغزی به وسیله تصویربرداری مغناطیسی صورت می گیرد و تحلیل آن نیازمند حضور مستمر پزشک در مرکز درمانی است. لذا پردازش هوشمند تصاویر پزشکی رویکردی موثر برای تشخیص خودکار ضایعات مغزی خواهد بود.در این مقاله یک چارچوب ...
بیشتر
سکته مغزی یکی از علل مرگ و میر و عامل اصلی ایجاد ناتوانی بیماران در کشورهای توسعه یافته است. به طور معمول شناسایی ضایعات سکته مغزی به وسیله تصویربرداری مغناطیسی صورت می گیرد و تحلیل آن نیازمند حضور مستمر پزشک در مرکز درمانی است. لذا پردازش هوشمند تصاویر پزشکی رویکردی موثر برای تشخیص خودکار ضایعات مغزی خواهد بود.در این مقاله یک چارچوب تلفیقی جدید بر مبنای سیستم استنتاج فازی و شبکه عصبی عمیق برای بخش بندی خودکار ضایعات مغزی معرفی شده است. در این راستا، ابتدا به معرفی یک شبکه عمیق یونِت (U-net) بهبود یافته برای تشخیص و بخش بندی ضایعه پرداخته شده است که شامل افزایش تعداد لایه های بخش های رمزگذار و رمزگشا به همراه تغییر توابع فعالسازی است. سپس با به کارگیری یک سیستم استنتاج فازی مبتنی بر قواعد اگر-آنگاه ، رویکرد پیشنهادی این مطالعه که بر مبنای پیش پردازش تصاویر ورودی و به کارگیری شبکه یونِت است، معرفی گردیده است.نتایج نشان داد، تلفیق سیستم استنتاج فازی در پیش پردازش با شبکه عمیق یونِت توانست ضریب دایس را تا میزان 84/0 افزایش دهد. به علاوه، بهبود کنتراست تصاویر ورودی توسط سیستم فازی نسبت به روش یکسان سازی هیستوگرام، عملکرد بسیار بهتری در تشخیص ضایعات با ابعاد کوچک بروز دادند که دلیل آن توانمندی بیشتر کنترل کنتراست در قواعد فازی است.
