تقسيم‌بندي بافت‌هاي مغزي در تصوير بدست آمده از MR با استفاده يك الگوريتم خوشه‌بندي تركيبي

در سال‌هاي اخير روش‌هاي زيادي براي تقسيم‌بندي معرفي و براي تحليل تصاوير مغزي به دست آمده از رزونانس مغناطيسي(MR) به كار گرفته شده است. در اين مقاله، ما يك الگوريتم كاملاً خودكار براي تقسيم‌بندي بافت‌هاي مغزي، كه مبتني بر تكنيك خوشه‌بندي تركيبي هست ارائه مي‌دهيم. الگوريتم پيشنهادي داراي دو فاز آموزش و تست است: در فاز آموزش، تصاويري از ديتاست به عنوان داده‌هاي آموزش به الگوريتم داده مي‌شود سپس پيكسل‌هاي مشابه در اين تصاوير در يك گروه قرار گرفته و سوپرپيكسل‌ها را تشكيل مي‌دهد. بعد از اين مرحله، شش روش خوشه بندي كه سه روش آن فراابتكاري است براي تقسيم‌بندي هر سوپرپيكسل به كار مي‌رود. براي هر خوشه‌بند، يك مدل شبكه عصبي، كه ورودي‌هاي آن ويژگي‌هاي استخراج‌شده از سوپرپيكسل‌هاي تصوير هستند، با استفاده از برچسب‌هاي توليد شده توسط خوشه‌بندها آموزش داده مي‌شود. مرحله‌ي تست الگوريتم، مثل مرحله آموزش هست با اين تفاوت كه با استفاده از شش مدل شبكه عصبي آموزش داده شده، براي پيش‌گويي كلاس مرتبط با هر سوپرپيكسل به كار مي‌رود و كلاس‌هاي به‌دست‌آمده با استفاده از اكثريت آراء تركيب مي‌شوند. جهت ارزيابي، مدل ارائه شده روي ديتاست IBSR20 اجرا گرديد كه نتايج حاصل نشان دهنده برتري روش تركيبي نسبت به ساير الگوريتم هاي تقسيم‌بندي است.