مهدیه لک - گروه برق، دانشکده فنی و مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
محمد قلندری - گروه برق، دانشکده فنی و مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران

امروزه پردازش تصویر پزشکی چالش برانگیزترین و جدیدترین زمینه ی علم پزشکی محسوب میگردد. تصاویر رزونانس مغناطیسی MRI به عنوان منبعی برای توسعه ی سیستم تقسیم بندی عمل می نمایند. استخراج، شناسایی و تقسیم بندی ناحیه ی عفونی حاصل از تصویر رزونانس مغناطیسی مغز از اهمیت فوق العاده بالایی برخوردار است که این کار زمان بر توسطرادیولوژیست ها و متخصصان بالینی انجام شده و دقت در تقسیم بندی نهایی تنها وابسته به تجربه ی آنها است. به منظور غلبهبر این محدودیت ها، ضروری است از روش های کامپیوتری استفاده گردد. در راستای افزایش کارآیی در دقت تقسیم بندی وکاهش پیچیدگی موجود در فرآیند تقسیم بندی تصویر پزشکی، تقسیم بندی تومور مغز بر اساس بهینه سازی روش های Otsu و ناحیه بندی و الگوریتم SURF Features detection با اعمال فیلتر تانژانتهایپربولیک ارائه نموده ایم. نتایج حاصل از روش ارائه شده برای عملکرد طبقه بندی تصاویر رزونانس مغناطیسی مغز، بر اساس دقت، حساسیت و وضوح، بررسیو معتبرسازی شده است. نتایج بدست آمده ازشبیه سازی دارای ۹۶.۵۷ % دقت، ۹۴.۶ % وضوح و ۹۷.۷۶ % حساسیت پیشرفتدر طبقه بندی بافت های نرمال و غیرنرمال در میان تصاویر مشخص شده را نشان داده اند. شناسایی، استخراج و طبقه بندی تومور بر اساس تصاویر اسکن ام آر آی مغز با استفاده از نرم افزار MATLAB انجام می شود.

تومور مغز، بهینه سازی روش های Otsu و ناحیه بندی، طبقه بندی بافت های و فیلتر تانژانت ها یپربولیک.