شناسايي تومور با استفاده از ماشين بردار پشتيبان و الگوريتم تكاملي خفاش براساس كانتور فعال

يكي از كاربردهاي پردازش تصوير در زمينه پزشكي، تشخيص تومور با استفاده از تصاوير MRI است. با استفاده از قطعه‌بندي تصاوير MRI مي‌توان قسمت‌هاي مختلف بافت‌هاي مغزي را از هم جدا نمود و بافت‌هاي سالم و بافت‌هاي سرطاني را تشخيص داد. براي تشخيص تومورهاي سرطاني چالش‌هاي زيادي وجود دارد. از جمله اين چالش‌ها، شباهت بسيار زياد بين ناحيه تومور و نواحي متورم و بافت‌هاي سالم است. از ديگر معضلات تشخيص تومور اين است كه ايجاد عارضه تومورهاي مغزي در تمام مغز امكان تشكيل دارد و شكل و اندازه تومورها متفاوت است. به همين دليل نمي‌توان از يك الگوي خاص براي شناسايي تومورها استفاده كرد. قطعه‌بندي تصاوير مغزي نيازمند روشي دقيق و كارآمد است. در اين مقاله راهكار اتوماتيك تشخيص تومور با استفاده از روش‌هاي ماشين بردار پشتيان، كانتور فعال و الگوريتم تكاملي خفاش ارائه شده است. در مدل پيشنهادي، ناحيه‌اي كه در آن تومور وجود دارد با استفاده از ماشين بردار پشتيبان و خصوصيات استخراج شده ناحيه برچسب گذاري مي‌شود از الگوريتم تكاملي خفاش براساس كانتور فعال براي پيدار كردن لبه‌هاي ناحيه تومور استفاده مي‌گردد. با استفاده از الگوريتم تكاملي خفاش، مشكلات اساسي كانتور فعال ازبين رفته و باعث بهينه‌سازي كانتور فعال در پيدار كردن اشياء مي‌شود. نتايج آزمايشات نشان‌دهنده كارايي بالاي مدل پيشنهادي است.