محبوبه جنتی - دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار موسسه آموزش عالی آپادانا شیراز، ایران
شیما اکبری - مربی بخش کامپیوتر،موسسه آموزش عالی آپادانا شیراز، ایران

روش تقسیم خودکار تومور مغزی در زمینه تحقیقات پزشکی چالش برانگیز است زیرا تومور مغزی با اندازه، شکل و شدت متفاوت ظاهر می شود. در این مقاله، خوشه بندی طیفی برای تقسیم بندی بافت های تومور مغز از تصاویر MRI استفاده می شود، زیرا خوشه هایی با کیفیت بالا ایجاد می کند. خوشه بندی طیفی به دلیل ساختار ماتریس شباهت متراکم برای داده های بزرگ مشکل دارد. برای غلبه بر اشکال خوشه بندی طیفی، روش پیشنهادی تقسیم بندی تومور مغز را با شناسایی ناحیه توموری برچسب گذاری شده به عنوان ROI با استفاده از خوشه بندی طیفی مبتنی بر سوپرپیکسل انجام می دهد. بافت های تومور مغزی سپس با انجام خوشه بندی طیفی بر روی ROI به دست آمده از MRI قطعه بندی می شوند. شناسایی ROI بار محاسباتی خوشه بندی طیفی را کاهش می دهد. تقسیم بندی ROI با استفاده از خوشه بندی طیفی، نتایج خوشه بندی با کیفیت بالایی را برای تقسیم بندی تومور مغز ایجاد می کند. نتایج مشاهداتی بر روی مجموعه داده BRATS ۲۰۱۲ استخراج شده و با استفاده از معیارهای امتیاز dice، حساسیت و ویژگی ارزیابی شده است. روش پیشنهادی از سایر روش های خوشه بندی تصاویر MRI بهتر است.

: تومور مغزی،خوشه بندی طیفی،سوپرپیکسل،تقسیم بندی