ارزیابی بخش بندی توام با تصحیح میدان بایاس تصاویر MR مغز انسان توسط روش های تنظیم سطح و مولفه های ذاتی ضرب شونده

بخش بندی تصاویر MR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در این تصاویر، بخش بندی به وسیله یک عامل درونی به نام ناهمگنی شدت دچار خطا می گردد که این ناهمگنی به دلیل وجود هم پوشانی در بین شدت بافت های مغزی است و اغلب باعث کلاس بندی نادرست بافت های مغزی می گردد. در این مقاله دو روش پیشنهادی جهت بخش بندی و اصلاح بایاس این تصاویر مطرح می شود که از طریق دو الگوریتم تنظیم سطح (LSM) و بهینه سازی مولفه های ذاتی ضرب شونده (MICO) پیاده سازی می گردند. روش های مطرح شده در این مقاله عبارت اند از: اصلاح بایاس تصاویر MR مغز انسان توسط یکی از دو الگوریتم فوق و بخش بندی آن توسط الگوریتم دیگر و بالعکس. هدف، بررسی کارایی روال تصحیح بایاس و بخش بندی هر الگوریتم به صورت جدا و ارزیابی کمی و کیفی نتایج حاصله و انتخاب الگوریتم مناسب جهت به دست آوردن نواحی سه گانه بافت های مغزی (WM ،GM و CSF) است. تحلیل های کمی و کیفی بر روی نتایج، دقت بالای 90 درصدی را برای ناحیه حاوی CSF با استفاده از الگوریتم MICO و همچنین به همین میزان برای نواحی WM و GM توسط الگوریتم LSM را نشان داد. با استفاده از این نتایج می توان الگوریتم بهینه جهت اصلاح بایاس و بخش بندی هر ناحیه را انتخاب کرد.