سیده ریحانه بیرنگ اسکوئی - دانشکده برق و کامپیوتر پردیس دانشگاه تبریز
محمد علی بالافر - دانشکده برق و کامپیوتر پردیس دانشگاه تبریز

ام اس یک بیماری خودایمنی سیستم عصبی مرکزی است که بهترین روش تشخیصی آن بررسی تصاویر MRI مغزی میباشد.بنابراین وجود روشی سریع و دقیق برای ارزیابی اندازه و تعداد ضایعات اماس در مغز، یک جزء کلیدی در ارزیابی پیشرفت این بیماری و اثربخشی دورههای درمانی است. تقسیمبندی ضایعهی اماس به صورت دستی معمولاً به یک متخصص آموزش دیده نیاز دارد و بسیار کند و دشوار بوده و نتایج آن تا حدودی ذهنی است. از اینرو وجود سیستمی خودکار جهت استخراج ضایعات امری ضروری است. با اینکه روشهای خودکار بسیاری ارائه شده است، اما نتایج تقسیمبندی به اندازهی کافی دقیق نمیباشند.در نتیجه نیاز فراوانی به ایجاد یک روش قوی، سریع و دقیق برای بخشبندی خودکار ضایعات اماس وجود دارد. در این مقاله روشی جهت بهبود نتایج سیستم تقسیمبندی ضایعات ام اس در تصاویر MRI ارائه شده است. این روش شامل قسمتهای پیشپردازش، استخراج ویژگی، کلاسبندی و پس پردازش میباشد. در قسمت پیش پردازش جمجمه حذف شده تا سرعت و عملکرد سیستم بهبود یابد. در مرحلهی بعد بهمنظور کاهش حجم محاسبات نیمکرهای کهدارای ضایعه می- باشد تشخیص داده میشود. این عمل توسط مقایسهی هیستوگرام هر نیمکره با هیستوگرام استاندارد که توسط تصاویر نیمکرههای سالم تشکیل شده، انجام میشود. قبل از استخراج ویژگیها، هر تصویر مغز توسط یک پنجرهی لغزنده پنجرهبندیشده و ویژگیها در هر پنجره استخراج میشود. در قسمت استخراج ویژگی از ویولت گابور استفاده شده است. به منظور افزایش دقت سیستم، در قسمت پسپردازشی از الگوریتم فازی c میانگین استفاده شدهاست. جهت بررسی دقیق نتایج حاصل از روشاستخراج ویژگی از روش نظارت شدهی SVM استفاده شده است.

بیماری ام اس، هیستوگرام گرادیانهای جهتدار، کلاسبندSVM