امیرحسین فروزان - قطب علمی کنترل و پردازش هوشمند، دانشکده برق و کامپیوتر، دانشکده فنی،
رضا آقایی زاده ضروفی - قطب علمی کنترل و پردازش هوشمند، دانشکده برق و کامپیوتر، دانشکده فنی،
یوشی نبوساتو - گروه آنالیز تصویر، دانشکده پزشکی، دانشگاه اوزاکا، ژاپن

جداسازی کبد از تصاویر سیتی اسکن بدون کمک اپراتور، بدلیل اثراتی مانند اثر حجم جزئی و شباهت شدت کبد و بافتهای مجاور آن، کار دشواری است. همچنین اگر فقط یک تصویر از کبد در اختیار باشد، در بعضی موارد تخمین نواحی از تصویر که متعلق کبد است فقط توسط پزشک متخصص امکان پذیر است. در الگوریتم های موجود برای جداسازی کبد پارامترها و فرضهایی بکار رفته است که بدلیل تنوع شکل، ابعاد و محل قرارگیری کبد در هر بیمار، نمی تواند در همه حالتها مورد استفاده قرار بگیرد. هدف از این تحقیق استخراج پارامترها بر اساس ویژگی های منحصر بفرد هر بیمار است. در الگوریتم پیشنهادی، ابتدا بزرگترین بافت موجود در ناحیه شکم بعنوان ماسک اولیه کبد بیمار استخراج شود. از این ماسک برای استخراج دقیق بازه شدت روشنایی کبد استفاده می شود. پس از تعیین محدوده شدت روشنایی کبد، با طراحی تابع تجربی نقشه رنگی تصاویر سطوح خاکستری به تصاویر رنگی تبدیل می شوند. با رنگی کردن تصاویر، از آنالیز موجک برای استخراج ویژگی های موثر بر اساس آنالیز بافت استفاده می گردد. کارائی الگوریتم پیشنهادی بر روی داده های موجود نتایج بهتری در مقایسه با سایر الگوریتم ها بدست آورده است.

قطعه بندی کبد، بردار ویژگیهای تبدیل ویولت، نقشه رنگی در تصاویر پزشکی، پردازش تصاویر رنگی