بخش بندی بهینه و سریع کولون با استفاده از الگوریتم چند مرحله ای و استخراج ویژگی های محلی در تصاویر سی تی اسکن

سرطان روده بزرگ یکی از شایع ترین انواع سرطان در افراد سالخورده بوده و دومین علت مرگ و میر مبتلایان به سرطان می باشد. استفاده از تصویربرداری 3 بعدی (CT Scan) یکی از تکنیک های جدید تشخیص این سرطان با حداقل تهاجم است که به عنوان روش جایگزین بررسی جامعه مطرح می باشد. از مشکلات این روش، بدست آمدن حجم اطلاعات بسیار زیاد از هر بیمار (300 تا 400 تصویر) و زمان زیاد تجزیه و تحلیل آنها است. فرایند بخش بندی با وجود شباهت دیگر بافت ها در ناحیه تصویر برداری به کولون، مواد غذایی بجای مانده در آن، شکل پیچیده کولون و عدم اتصال قسمت های مختلف آن با یکدیگر، با مشکلات بسیاری همراه است. در این پروژه از الگوریتم های سریع، کارامد و قابل اطمینان جهت بخش بندی موثر استفاده شده است.

در این پروژه از یک الگوریتم 2 مرحله ای برای بخش بندی استفاده شده است. هدف از مرحله اول الگوریتم، حذف اشیا اضافی و محدود کردن ناحیه مورد نظر در فضای نیم رزولوشن می باشد تا با یک الگوریتم دقیق تر در مرحله دوم مرزهای دقیق مشخص گردند. در مرحله اول، الگوریتم از ترکیب روش های آستانه گذاری تطبیقی، اعمال مورفولوژی و عملگر گسترش ناحیه ای با استفاده از دانه هایی که به صورت خودکار ایجاد می شوند، بهره برده است. خروجی این مرحله استخراج مرزهای کولون در فضای نیم- رزولوشن و ایجاد ناحیه جستجوی محدود می باشد. در مرحله دوم، از عملگر گسترش ناحیه ای اصلاح شده جهت بخش بندی دقیق تر مواد حاجب بجای مانده در کولون و در نهایت از عملگر استخراج مرزهای خارجی استفاده شده است.

برای ارزیابی متد، پارامترهای مد نظر، برای خروجی های هر 2 مرحله الگوریتم محاسبه شدند. پس از ارزیابی، 72 مجموعه عالی (دسته 1)، 7 مجموعه خوب (دسته 2)، 2 مجموعه متوسط (دسته 3) و 1 مجموعه ضعیف (دسته 4) تشخیص داده شده است، که این امر نشان دهنده عملکرد موفق الگوریتم بوده است.

استفاده از الگوریتم دو مرحله ای تا حد بسیاری می تواند به کاهش مناطق جستجو با حفظ دقت عملکرد کمک کند. این کار با توجه به ویژگی آناتومیکی کولون قابل انجام است. از مرزهای استخراج شده در مرحله اول می توان به عنوان ورودی اولیه هر الگوریتم بخش بندی دقیق تری استفاده نمود. نتایج بدست آمده بیانگر موفقیت الگوریتم بوده است.