مروري بر تكنيك هاي پردازش تصوير در تشخيص و تقسيم بندي ضايعات بيماري مولتيپل اسكلروزيس

در اين مقاله مروري، پردازش تصويري كه در مطالعات متعددي براي تشخيص ضايعات بيماري MS از روي تصاوير رزونانس مغناطيسي MRI مطرح شده است بررسي مي شود و هدف آن ارتقا و بهبود صحت بررسي و معاينات مختصصان باليني مي باشد. اين مقاله مروري مختصر و روزآمد را درباره تكنيك هاي يادگيري ماشيني و الگوريتم هاي مربوطه ارائه مي دهد و به شرح نقاط قوت و ضعف آنها براي شناسايي بافت هاي صدمه ديده در بيماري MS به كمك تصاوير MRI مي پردازد تا مشخص گردد كه قابليت هاي اين روشها براي كمك به متخصصان باليني در تشخيص بيماريهاي MS چگونه مي باشد. پردازش تصاوير MRI كاربردهاي فراوان و متعددي در زمينه هاي زيست پزشكي پيدا كرده است. در اين ميان ابتدا به طور خلاصه به معرفي كاربردهاي پردازش تصوير در تشخيص ضايعات عصب شناختي بيماري MS مي پردازيم و سپس به طور مفصل تري درباره نحوه استفاده از اين تكنيك هاي پردازش تصويري MRI در قالب فلوچارت ها و روشهاي پژوهشي در چند مطالعات گزيده براي تشخيص ضايعات مغزي در بيماري MS مي پردازيم هدف اين پژوهش ها تشخيص ضايعات عصب شناختي در بيماري MS به كمك پردازش تصوير به شكل سريع و همراه با كمترين خطا مي باشد كه به طور كلي دو مرحله اصلي در اين روشها وجود دارد: 1) ناحيه بندي تصوير و جدا كردن بافت صدمه ديده از تصوير كل و 2) تشخيص نوع ضايعه و جدا كردن آن از بقيه تصوير و نمايش ضايعه. تصاوير MRI بيانگر شدت پيكسل ها در تصاوير سياه و سفيد مي باشد. بنابراين به عنوان اولين گام در رفع مشكل تشخيص مكان و ماهيت ضايعه MS، مي توان به ناحيه اي اشاره كرد كه محتوي تعداد بيشتري از پيكسل هاي با شدت تعريف شده مي باشد. اساس اين ايده و گسترش آن با نرم افزارها و الگوريتم هاي مختلف از جمله نرم افزارMATLAB قابل اجرا مي باشد كه در مطالعات مختلف مورد بررسي قرار مي گيرد.