طبقه بندي تصاوير MRI مغز با استفاده از تبديل موجك دوبعدي

Classification of Brain MRI Images Using Two-Dimensional Wavelet Transform

خلاصه: تومورهاي مغزي پيچيده‌ترين بيماري سرطان هستند كه توسط سازمان‌هاي مختلف ثبت سرطان در سطح جهاني شناخته شده‌ است. تومورهاي مغزي، بويژه در كودكان، بسيار كشنده و از بالاترين دلايل سرطان در بين بزرگسالان ‌است. بنابراين طبقه بندي اتوماتيك تصاوير مغزي در حوزه پزشكي از اهميت ويژه اي برخوردار است. تحقيقات گذشته نشان داده است كه تصاوير ام آرآي به دليل وضوح و كيفيت بالا، براي تعيين تومور و خصوصيات آن كاربرد بهتري نسبت به ديگر تصاوير مغزي دارد. در اين مقاله از تبديل موجك دو بعدي براي استخراج ويژگي از تصاوير ام آر آي مغز سالم و بيمار (تومور مغزي) استفاده شده است. سپس براي كاهش ويژگي ها از روش تحليل مؤلفه اصلي احتمالي استفاده شده و در نهايت از سيستم استنتاج تطبيقي فازي-عصبي كه يك سيستم فازي عصبي است، براي انجام فرآيند تصميم گيري و طبقه بندي نمونه ها استفاده شده است. تصاوير ام آرآي از بيمارستان هنري فورد گرفته شده كه براي 7 نفر داوطلب سالم و 7 نفر داوطلب بيمار بوده است. نتايج طبقه بندي نشان داده است كه با استفاده از ضرايب تبديل موجك دو بعدي و سيستم استنتاج تطبيقي فازي-عصبي، ميانگين صحت 44/1 ±17/94% براي داده هاي آموزش و ميانگين صحت 00/0 ±75% براي داده هاي تست به دست آمده است.

Abstract Brain tumors are the most complex kind of cancer which has been recognized in global level by different cancer registry organizations. Brain tumors are very fatal especial in children and it is the most reason of cancer in elders. Therefore, automatic classification of brain images in medical field possesses a high significance. The previous studies have shown that MRI imaging due to high clearance and quality has better use to determine tumor and its specifications than other brain imaging. In this article, two dimensional wavelet conversion has been used to extract the properties from MRI images of health and sick brains (brain tumor). Thus, the method of probable main element analysis has been used to reduce the properties and finally, fuzzy-neural adaptive inference system which is a neural system has been used for decision-making process and samples’ classification. The MRI images were taken from Henry Ford hospital which belonged to 7 healthy volunteer and 7 sick volunteers. The results of classification have shown that by using the coefficients of two-dimensional wavelet and fuzzy-neural adaptive inference system, the accuracy average was obtained as 94/17 ± 1/44 % for training data and 75 ± 0/00 % for test data