نام و نام خانوادگی:محمد سجاد اعلایی
عنوان پایان نامه: بهینه سازی بخش بندی تومور های مغزی با استفاده از روش K-means و الگوریتم کرم شب تاب (FA) و بهینه سازی ازدحام نقاط( PSO) در تصاویر MRI
رشته تحصیلی:مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما اول: دکتر سیده شهربانو فلاحیه حمیدپور
استاد راهنما دوم: دکتر امید مرادی
چکیده:
مغز انسان حیاتی‌ترین و پر اهمیت‌ترین عضو بدن است. این ارگان از سه ساختار اصلی مخ، مخچه و ساقه تشکیل شده است. هم‌چنین مغز انسان از ۱۰۰ میلیارد سلول که نورون نام دارد و تریلیون سلول پشتیبان به نام گلیال تشکیل شده است که وظیفه ارسال سیگنال‌های شیمیایی و الکتریکی به سراسر بدن را برعهده دارند.گاهی چرخه سلولی این سلول‌ها، غیر طبیعی می‌شوند. زمانی که سلول‌های غیرطبیعی به شکل غیر قابل کنترل تقسیم می‌شوند یک تومور تشکیل می‌شود. تومور در مغز می‌تواند خوش‌خیم (غیرسرطانی) یا بدخیم (سرطانی) باشد. در مورد سرطان‌های مغز، حدود ۸۰ درصد آن‌ها از نوع گلیوما هستند که شامل تومورهایی‌اند که از سلول‌های گلیال مغز شروع می‌شوند و مکان‌یابی و تشخیص آن دارای اهمیت بسیار است.
تصویربرداری از مغز، به دو گروه تقسیم می‌شوند: تصویربرداری‌هایی که ساختار مغز را بررسی می‌کنند و تصویربرداری‌هایی که عملکرد مغز را مورد ارزیابی قرار می‌دهند. اولین گروه شامل تصویربرداری توموگرافی کامپیوتری (سی‌تی‌اسکن) و تصویربرداری رزونانس مغناطیسی(MRI) هستند و گروه دیگر شامل FMRI، توموگرافی کامپیوتری تابشی تک فوتونی و اسکن توموگرافی تابشی پوزیترون هستند. ام آر آی مغز یک روش مفید برای شناسایی برخی بیماری‌های مغزی مانند بیماری‌های زیر است: ام اس، ضایعه نخاعی،کیست‌ها،خونریزی مغزی و… است. ام آر آی سر یک فرایند بدون درد و غیرتهاجمی است که از طریق آن عکس‌های دقیقی از مغز و ساقه مغز گرفته می‌شود. هم‌چنین ام آر آی تصاویر را باهم ترکیب کرده و تصاویری سه بعدی از ساختارهای داخلی بدن ایجاد می‌کند که در آن‌ها تشخیص ناهنجاری‌های موجود در ساختارهای کوچک مغز مانند غده هیپوفیز و ساقه مغز با دقت بیشتری قابل تشخیص است.
بخش‌بندی تومور در تصاویر MRI مغز، می‌تواند نقش موثر در تشخیص سرطان مغز توسط متخصص داشته باشد. امروزه از روش‌های جدیدی جهت بخش بندی تصاویر مغزی استفاده می‌شود که شامل الگوریتم‌ها و شبکه‌های مورد استفاده جهت بخش‌بندی تصاویر MRI است. این الگوریتم‌ها عبارتند از: الگوریتم خوشه‌بندی K-Means، الگوریتم بهینه‌ساز بخش‌بندی ازدحام ذرات، شبکه‌های عصبی کانولوشنی دوبعدی وسه بعدی، الگوریتم فازیC-Means ، الگوریتم اصلاح شده پروانه شعله و آستانه کاپور، الگوریتم کرم شب‌تاب و دیگر الگوریتم‌هایی که در بخش‌بندی تصاویر مغزی MRI موثر است. استفاده از این الگوریتم‌ها دارای مزایایی از جمله شناسایی قسمت‌های سالم مغز و قسمت‌های دارای تومور، جداسازی نواحی دارای تومور از مناطق سالم مغز و مشخص کردن اندازه تومور می‌باشد و دارای معایبی از جمله: پنهان شدن لایه‌ها در هنگام پردازش در شبکه‌های عصبی، افزایش تعداد داده‌ها و تصاویر در هنگام پردازش می‌باشد.
در روش پیشنهادی، به پردازش تصاویر دارای تومور مغزی MRI که از پایگاه داده Kaggle گردآوری شده، پرداخته شده است. سپس با استفاده از الگوریتمK-Means، مرزها و نواحی تصاویر خوشه‌بندی شده و در دسته‌های مجزا قرار داده و در نهایت برچسب‌گذاری می‌شود. هم‌چنین با رویکردی جدید، الگوریتم‌های ازدحام ذرات که مبتنی بر سرعت حرکت ذرات می‌باشد، ناحیه‌ی بخش‌بندی را بهبود می‌بخشد. در نهایت با استفاده از الگوریتم کرم شب‌تاب که الهام گرفته از حرکت کرم شب‌تاب می‌باشد و هم‌چنین بررسی کننده، الگوریتم ازدحام ذرات در چندین بعد است، ناحیه دارای تومور به شکل مجزا تفکیک می شود.
نتایج پردازش تصاویر مغزی MRI در نرم افزار Matlab شبیه‌سازی شد که در آن محاسبه ضریب دایس (میزان هم‌پوشانی تومور استخراج شده) با بیشترین عدد خود یعنی یک به دست آمد و تصاویر با هر سه الگوریتم K-Means و ازدحام ذرات و کرم شب‌تاب پردازش شد.
کلیدواژه: بخش‌بندی – تصاویر ام آر آی – تومورهای مغزی – الگوریتم‌های کرم شب‌تاب و ازدحام ذرات