تشخیص تومورها در تصاویر پزشکی به کمک روش ترکیب اطلاعات

این مقاله نحوه ی تشخیص تومور را بر مبنای اطلاعات حاصل از روش رشد ناحیه ای و gs-map بررسی میکند
چکیده و بخشی از مقاله را در زیر مشاهده میکنید:
چکیده
امروزه پردازش تصویر در علم پزشکی کاربرد فراوانی دارد و به پیشرفت این علم کمک میکند. در این پروژه
سعی بر آن بودهاست که به کمک روشهای پردازش تصویر، تومور در تصاویر امآرآی تشخیص داده شود. برای
تشخیص تومور روشهای تمام اتوماتیک و نیمه اتوماتیک وجود دارد. در این پروژه از روش ترکیب اطلاعات استفاده
شده است.
در ابتدای پایاننامه مفاهیم کلی راجع به علم پردازش تصویر بیان شده و انواع تصاویر امآرآی معرفی میشوند.
در ادامه تصاویر امآرآی با روشهای رشد ناحیهای و تنظیم سطح پردازش شده و در نهایت نتایج حاصل از این دو
روش با هم ترکیب میگردد.

بخشی از مقاله:
ناحیهبندی تصویر عبارت است از تفکیک پیکسلهای تصویر به نواحی مجزایی که بر حسب ویژگیهایی مانند
شدت روشنایی، بافت و یا رنگ، یکسان هستند و یا تا حد ممکن همبستگی دارند. ناحیه بندی، تصویر را به اشیا
یا ناحیههای سازندهی آن تقسیم میکند. سطح جزییاتی که تقسیمبندی در آن انجام میشود، به مسئلهای که
باید حل شود بستگی دارد. یعنی، بخشبندی وقتی باید متوقف شود که اشیای ناحیههای مورد نظر در کاربرد،
شناسایی شدند. به عنوان مثال، در بازرسی خودکار مونتاژهای الکترونیکی، علاقمند به تحلیل تصاویری از
محصولات هستیم تا وجود یا عدم وجود ناهنجاری خاصی مشخص شود، مثل کمبود قطعات یا مسیرهای قطع
اتصال. دلیلی ندارد که بخشبندی بیش از سطح جزییات مورد نیاز برای تشخیص این عناصر انجام گیرد.
بخشبندی تصاویر یکی از مشکلترین وظیفهها در پردازش تصویر است. دقت بخشبندی، موفقیت یا شکست
نهایی رویههای تحلیل کامپیوتری را تعیین میکند. به همین دلیل دقت زیادی باید به عمل آید تا احتمال
بخشبندی دقیق بهبود یابد. در بعضی از وضعیتها ، مثل کاربردهای بازرسی صنعتی، حداقل تا حدی کنترل روی
محیط امکانپذیر است. در کاربردهای دیگر مثل به دست آوردن خودکار هدف، طراح سیستم ، کنترلی روی
محیط عملیاتی ندارد، و روش معمول، تمرکز بر روی انتخاب انواع حسگرها است.