ناحيه بندي تصاوير MR مغزي با بكارگيريِ شبكه عصبي خودرمزنگار

MR images using a self-restraining neural network

اغلب روش هاي ناحيه بندي تصاوير بصورت با نظارت بوده و براي تنظيم پارامترهاي عملكردي الگوريتم به منظور توليد خروجي مناسب به كمك متخصصان راديولوژي نياز دارند. با توجه به پيچيدگي و نيز اهميت ناحيه بندي تصاوير پزشكي اغلب سيستم هاي رايانه اي معمولا به صورت نيمه خودكار و يا در حالت تعاملي اجرا مي شوند. راديولوژيست شروع به كار الگوريتم را تنظيم مي كند و در صورت نياز آنرا متوقف نموده و در نهايت در صورت توليد خروجي مطلوب آنرا متوقف مي كند. پر واضح است كه اين الگوريتم ها علاوه بر محدوديت هاي كاربردي نيازمند كار فشرده انساني نيز مي باشد. از اين رو استفاده از الگوريتم هاي خودرمزنگار بي نظارت علاوه بر تسهيل در امر تشخيص و ناحيه بندي قادر است دقت روش هاي پردازشي و تحليلي را نيز ارتقاء بخشد. اين تحقيق به دنبال يافتن يك روش كاملا خودكار با حساسيت كم به پارامترهاي ورودي است، كه قادر به آشكارسازي دقيق ناحيه تومور باشد.

Most image segmentation techniques are supervised and need to be helped by radiologists to adjust the performance parameters of the algorithm in order to produce the appropriate output. Due to the complexity and importance of the segmentation of medical images, most computer systems are usually semi-automated or interactive. The radiologist adjusts the start of the algorithm and, if necessary, stops it and ultimately stops it if it produces optimal output. It is clear that these algorithms, in addition to the functional constraints, require intensive human work. Therefore, the use of unsupervised algorithms, in addition to facilitating detection and segmentation, can also enhance the accuracy of processing and analytical methods. The purpose of this study is to find a fully automatic method with low sensitivity to input parameters, which can accurately detect tumor area.