بخش‌بندي ناحيه شفافيت گردني جنين بر اساس الگوريتم خوشه‌بندي FCM مبتني بر كرنل

Fetal nuchal translucency region Segmentation based on the KFCM clustering algorithm

سندروم داون يكي از بيماري هاي جنيني مي‌باشد كه با استفاده از روش هاي تهاجمي و غير تهاجمي در سه ماهه اول و به صورت تكميلي در سه ماهه دوم بارداري قابل تشخيص است. با توجه به اين كه روش‌هاي تهاجمي خطرناك مي‌باشند، استفاده از روش غير تهاجمي داراي دقت مناسب همواره مورد توجه متخصصين در اين زمينه مي‌باشد. يكي از روش‌هاي غير‌تهاجمي، اندازه‌گيري ضخامت شفافيت گردني جنين در تصاوير سونوگرافي مي‌باشد، كه اين روش به دليل كيفيت نامطلوب تصاوير سونوگرافي و وابستگي شديد به اپراتور محدوده حساسيت بالايي دارد. هدف ما از اين پژوهش، ارائه روشي كارآمد و موثر براي بخش بندي شفافيت گردني جنين، ضمن كاهش نقش اپراتور مي باشد. الگوريتم ارائه شده در اين پژوهش پس از اخذ تصوير سونوگرافي جنين شامل بخش‌بندي ناحيه مورد نظر با استفاده از روش خودكار بر اساس الگوريتم خوشه بندي FCM مبتني بر كرنل (KFCM) ميباشد كه نسبت به بخش‌بندي دستي داراي ميزان حساسيت بالاي 95.3% و ضريب جاكارد 93.2% مي‌باشد. نتايج بدست آمده در اين پژوهش با درصد خطاي قابل قبول نسبت به اپراتور خبره ناحيه شفافيت گردني را به صورت خودكار بخش‌بندي مي‌كند.

Down syndrome is a congenital disease using non-invasive and invasive procedures in the first quarter and completed in the second trimester of pregnancy can be detected. Due to invasive procedures are dangerous hence non-invasive method with sufficient accuracy is considered by experts in the field. One of the non-invasive method is measuring fetal nuchal translucency thickness in ultrasound images, that this method has high sensitivity range according to poor quality ultrasound images and heavy dependence on operator. The aim of this study is to provide efficient and effective method for the fetal nuchal translucency region segmentation, while reducing the role of operator. The algorithm provided after collecting fetal ultrasound images includes fetal nuchal translucency region segmentation by the Kernelized Fuzzy C-means algorithm based on fuzzy clustering automatically that compared to manual segmentation has high sensitivity 95.3% and the high Jaccard similarity Index 93.2%. The results of this study has measuring error acceptable that compared to expert operators automatically segmenting the fetal nuchal translucency region.