ОБНАРУЖЕНИЕ ОПУХОЛИ МОЗГА НА ОСНОВЕ МРТ С ПРИМЕНЕНИЕМ МЕТОДА НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ С-СРЕДНИХ : научное издание | Научно-инновационный портал СФУ

ОБНАРУЖЕНИЕ ОПУХОЛИ МОЗГА НА ОСНОВЕ МРТ С ПРИМЕНЕНИЕМ МЕТОДА НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ С-СРЕДНИХ : научное издание

Перевод названия: MRI BRAIN’S TUMOR EDGE DETECTION BASED ON FUZZY C-MEANS

Тип публикации: статья из журнала

Год издания: 2018

Ключевые слова: детектор границ, медианный фильтр, метод нечеткой кластеризации С-средних (FCM), методика улучшения контрастности (BCET), детектор границ Кэнни, медицинское изображение, edge detection, median filter, Fuzzy c means (FCM), balance contrast enhancement technique (BCET), Canny operator, medical imaging

Аннотация: В настоящее время обработка медицинских изображений является наиболее сложной и развивающейся областью. При этом выявление границ объектов интереса на снимках МРТ является одним из наиболее важных элементов этой области. В настоящей статье предлагается методика обнаружения границ опухоли головного мозга по МРТ пациента. Эта методика включает несколько этапов: во-первых - удаления шума, а затем улучшение медицинского изображения с использованием метода улучшения контрастности (Balance Contrast Enhancement Technique, BCET), во-вторых - сегментация изображения с использованием метода нечеткой кластеризации С-средних (Fuzzy c-Means, FCM), и наконец, в-третьих, применение детектора Кэнни для выявления тонких границ. Для экспериментального исследования использованы изображения, содержащие опухоли головного мозга, которые характеризовались разным особенностями: расположением, типом патологии, формой, размером и плотностью, а также размером площади пораженной ткани около опухолевого пространства. Обнаружение и выделение опухоли на снимках МРТ головного мозга осуществлялось с использованием программного обеспечения MATLAB. Результат исследований экспериментального материала с использованием предлагаемой методики демонстрирует достаточно хорошую устойчивость к шуму. Кроме того, было обнаружено, что повышение точности решения задач геометрического анализа и сегментации, в некоторых случаях опухолевой патологии, на 10-15% лучше, чем соответствующие оценки экспертов. Medical image processing is the most challenging and emerging field nowadays. Edge detection of MRI images is one of the most important elements of this field. This paper describes the proposed strategy to detect the edges of brain tumor from patient’s MRI scan images of the brain. This method incorporates with some noise removal functions, followed by improvement features and gain better characteristics of medical images for a right diagnosis using BCET. The result of second stage is subjected to image segmentation by using Fuzzy c-Means (FCM) clustering method. Finally, Canny edge detection method is applied to detect the fine edges. For the experimental study we used images containing brain tumors that were characterized by different location, type of pathology, shape, size and density, as well as the size of the area of the affected tissue near the tumor space. Detection and extraction of tumor from MRI scan images of the brain is done by using MATLAB software. The result of studies of the experimental material with usage of the proposed methodology demonstrates some resistivity to a noise. Also, an increase in the accuracy of solving the problems of geometric analysis and segmentation, in some cases of tumor pathology, was found to be up to 10-15% better relative to the corresponding expert estimates.

Ссылки на полный текст

Издание

Журнал: Медицина и высокие технологии

Выпуск журнала: 1

Номера страниц: 20-28

ISSN журнала: 23063645

Место издания: Москва

Издатель: Автономная некоммерческая оргназиция "Издательство РДК-Пресс"

Авторы

  • Зотин Александр Геннадьевич (Сибирский государственный университет науки и технологии им. академика М.Ф. Решетнева)
  • Хамад Юсиф Ахмед (Институт космических и информационных технологий Сибирского федерального университета)
  • Кириллова Светлана Владимировна (Институт космических и информационных технологий Сибирского федерального университета)
  • Курако Михаил Александрович (Институт космических и информационных технологий Сибирского федерального университета)
  • Симонов Константин Васильевич (Институт вычислительного моделирования СО РАН)

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.