میثم روشن فکر - دانشکده مهندسی برق، کامپیوتر و مهندسی پزشکی، دانشگاه شهاب دانش، قم، ایران
گلنوش عبائی - دانشکده مهندسی برق، کامپیوتر و مهندسی پزشکی، دانشگاه شهاب دانش، قم، ایران

تصاویر سی تی اسکن دارای نویز زیادی هستند و به دلیل کنتراست پایین بین تومور و بخش اصلی کبد، کشف تومور دشوار است. علاوه بر محدودیت های روش تصویربرداری، به خاطر تنوع تومورها از لحاظ ساختار و اندازه و نیز حضور تومورها در هر نقطه از کبد، بخش بندی تومور کبد دشوار است. در این مقاله، یک روش ناحیه بندی خودکار کبد با استفاده از تجزیه و تحلیل بافت براساس روش شکل شناسی، برای تشخیص بافت کبدی و تومورها از روی تصاویر سی تی اسکن ارائه شده است. این الگوریتم ناحیه بندی خودکار کبد، با استفاده از استخراج ویژگی های بافت و طبقه بند ماشین بردار پشتیبان که مقادیر کنترلی آن با استفاده از الگوریتم بهینه سازی کرم شب تاب بهینه شده است، پیاده سازی و آزمایش شده است. ویژگی های بافت، با استفاده از شدت روشنایی پیکسل ها و عملیات مورفولوژی بافت کبد از تصویر جدا شده و ماسک مناسب آماده می شود. در مرحله بعد، به منظور تشخیص تومورهای خوش خیم و بدخیم ویژگی های تصویر از جمله تعداد شیها، ماکزیمم، مینیمم، مساحت وطول شی استخراج می شود. این ویژگی ها جهت تشکیل یک بردار ویژگی 400x11 که شامل 11 ویژگی و 200 عکس برای تشخیص تومور خوش خیم و 200 عکس برای تشخیص تومور بدخیم است (جمع آوری شده از 400 بیمار بیمارستان میلاد تهران که دارای تومورهای خوش خیم و بدخیم بوده اند) استفاده می شوند. در انتها این بردار ویژگی به عنوان ورودی طبقه بند ماشین بردار پشتیبان استفاده می شود که تومورها را در تصاویر ورودی سی تی اسکن تشخیص می دهد.

کید، تشخیص تومور، بهینه ساز کرم شب تاب، ماشین بردار پشتیبان.