تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK در متلب

تشخیص تومور مغزی از تصاویر MRI با متلب

در این بخش پروژه تشخیص تومور مغزی از تصاویر MRI با الگوریتم خوشه بندی IFK یا Integrated Fuzzy K-means را در نرم افزار MATLAB آماده کردیم که بر اساس مقاله Segmentation of Magnetic Resonance Brain Tumor Using Integrated Fuzzy K-Means Clustering انجام شده است. در ادامه به معرفی این پروژه پردازش تصاویر پزشکی پرداخته و فیلم و تصاویر خروجی قرار داده شده است.

قطعه بندی تصاویز پزشکی

قطعه بندی یک فرآیند تقسیم بندی تصویر به چندین شیء است. این نقش حیاتی در بسیاری از زمینه ها مانند ماهواره، سنجش از دور، شناسایی ابعاد، ردیابی چهره و مهمتر از همه در زمینه پزشکی می باشد. در رادیولوژی (پرتوشناسی یا تصویر برداری تشخیصی)، تصویر برداری رزونانس مغناطیسی (MRI) برای بررسی فرآیندهای بدن انسان و عملکرد ارگانیسم ها مورد استفاده قرار می گیرد. در بیمارستان ها این تکنیک به طور گسترده ای برای تشخیص پزشکی به منظور تشخیص مرحله بیماری و پیگیری آن بدون قرار گرفتن در معرض اشعه یونیزه استفاده می شود.

معرفی پروژه

در این مقاله ما یک روش جدید قطعه بندی تصاویر مغزی برای تشخیص تومور و پیدا کردن ناحیه تومور با عملکردی بهبود یافته و بهتر از تکنیک های قطعه بندی معمول مانند الگوریتم FCM ، الگوریتم K-means ارائه می کنیم که حتی از قطعه بندی دستی نیز از نظر زمان و دقت، کارایی مطلوبی دارد. عملکرد شبیه سازی با نرم افزار متلب نشان می دهد که روش پیشنهاد شده بهتر از روش های قطعه بندی موجود می باشد. پروژه حاضر یکی از سریع ترین روش های تشخیص دقیق ناحیه تومور از مجموعه داده های مختلف تومور مغزی از تصاویر MRI می باشد. رویکرد پیشنهادی مقاله، روش IFK یا Integrated Fuzzy K-means می باشد که یک روش خوشه بندی مبتنی بر فازی شده الگوریتم K-means به صورت مجتمع است.

---

---

تصاویری از خروجی