چکیده

  تومور مغزی به­عنوان یکی از شایع­ترین علل مرگ‌ومیر بین کودکان و بزرگ‌سالان است. تومور یک بافت توده‌ای است که از کنترل خارج شده و با سرعت در حال رشد و نمو است؛ به عبارتی دیگر، تومور نوعی سرطان است. تصویربرداری تشدید مغناطیسی (MRI)، توموگرافی کامپیوتری (CT)، ماموگرافی دیجیتال و روش‌های دیگر تصویربرداری، روش‌های مؤثری برای به­دست­آوردن اطلاعات در مورد وضعیت اندام‌های داخلی بدن انسان، بدون ایجاد هرگونه آسیب فیزیکی هستند. اولین مرحله از تجزیه‌وتحلیل تصاویر، قطعه‌بندی آن‌ها است که یکی از سخت‌ترین عملیات در پردازش تصاویر است. قطعه‌بندی یکی از مهم‌ترین نیازها در آنالیز تصاویر پزشکی است. بااین‌حال ساختار پیچیده درون بدن انسان، منجر به مشکلاتی در قطعه‌بندی می‌شود. تصویربرداری تشدید مغناطیسی یک راهکار، جهت دستیابی به تصاویر با کیفیتی از اندام‌ها، بافت‌های نرم و تمامی ساختارهای داخلی بدن انسان است. به‌عبارت‌دیگر تصویربرداری تشدید مغناطیسی دارای وضوح کنتراست خوب برای بافت‌های مختلف است و مزایایی بیشتری نسبت به توموگرافی کامپیوتری دارد. هدف اصلی از قطعه‌بندی تصاویر، بخش‌بندی تصاویر به نواحی مختلف بر اساس ملاک‌های خاص به‌منظور پردازش هر چه‌بهتر است. دقت در قطعه‌بندی تصاویر پزشکی برای شناسایی درست تومورها از اهمیت بسیار زیادی برخوردار است. الگوریتم‌های کامپیوتري می‌توانند در تشخیص تومورهای مغزی بکار گرفته شوند. یکی از انواع این الگوریتم‌ها، الگوریتم‌های داده‌کاوی است. روش­های متفاوتی براي داده‌کاوی وجود دارد. در روش­های داده­کاوی، براي رسیدن به جواب بهینه از الگوریتم‌های بهینه‌سازی یا فرا اکتشافی استفاده می­شود. یکی از الگوریتم‌های فرا اکتشافی، الگوریتم بهینه‌سازی جنگل است. این الگوریتم توسط قائمی و فیض درخشی در سال 2014 پیشنهاد شده است و ایده این الگوریتم از طبیعت الهام گرفته شده است. در این پایان­نامه با در نظر گرفتن ویژگی‌های الگوریتم بهینه‌سازی جنگل، یک روش جدید برای قطعه‌بندی تصاویر ام.آر.آی مغزی با استفاده از الگوریتم بهینه‌سازی جنگل ارائه می­شود که می­تواند به‌طور قابل‌توجهی، میزان دقت را افزایش دهد.

  کلمات کلیدی: قطعه­ بندی تصاویر ام.آر.آی، تومور مغزی، الگوریتم فرا اکتشافی، الگوریتم بهینه‌سازی جنگل.

فهرست  مطالب

فصل اول) آشنایی با قطعه بندی تصاویر و شناسایی تومورهای مغزی با استفاده از آن     

1-1) مقدمه

1-2) آشنایی با تکنیک های قطعه بندی تصاویر 

1-3) معرفی چالش های مهم در قطعه بندی تصاویر         

1-4) بیان مسئله و اهداف    

1-5) معرفی ساختار پایاننامه

1-6) خلاصه و نتیجه گیری 

فصل دوم) مطالعه و بررسی روش های قطعه‌بندی تصاویر ام. آر.آی تومورهای مغزی   

2-1) مقدمه         

2-2) معرفی روش‌های قطعه‌بندی تصاویر ام. آر.آی        

     2-2-1) قطعه‌بندی‌ام.آر.آی تومور مغزی با استفاده بهنیه سازی جستجوی فاخته       

     2-2-2) قطعه بندی تصاویر ام.آر.آی مغزی با روش خوشه بندی کوهستانی بهبودیافته           

     2-2-3) بهینه سازی کلونی مورچه بهبودیافته برای قطعه بندی تصاویر ام.آر.آی مغزی         

     2-2-4) قطعه بندی تصاویر ام.آر.آی با الگوریتم کلونی زنبورعسل و خوشه بندی FCM        

    2-2-5) قطعه بندی تومور مغزی بر اساس یک تکنیک خوشه بندی هیبریدی           

2-3) مقایسه روش های موجود          

2-4) خلاصه و نتیجه گیری فصل