سال انتشار: ۱۳۸۴

محل انتشار: سیزدهیمن کنفرانس مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

موسی شمسی – گروه مهندسی برق و کامپیوتر دانشگاه تهران دانشگاه صنعتی سهند
کارولوکس – گروه مهندسی برق و کامپیوتر دانشگاه تهران
محمد حسین صداقی – دانشکده مهندسی برق دانشگاه صنعتی سهند

چکیده:

چکیده : از جمله مباحث مطرح در اکثر آلگوریتمهای بخش بندی براساس مدل، تخمین اتوماتیک پارامترهای کلاسهای بافتی است . در این مقاله تخمینگرهای قدرتمند ژنتیکی و نمونه بهبود یافته EM مطرح و نسبت به هم مورد ارزیابی قرار می گیرند . آلگوریتمهای ژنتیکی تکنیکهای جستجوی مؤثر آماری برای مسائل بهینه سازی کلی بوده و کاربردهای زیادی در مسائل مهندسی دارند . نسبت وزنی، میانگین و انحراف معیار کلاسهای بافتی بعنوان جمعیت اولیه به آلگوریتمهای ژنتیکی داده می شوند . در شروع آلگوریتم، فقط کافیست محدوده تقریبی پارامترها مشخص شود . آلگوریتم EM ارائه شده در این مقاله، به آلگوریتمهای در مطرح شده در ] ۱ [ و ] ۲ [ نزدیک تراست . آلگوریتمی ارائه شده که بطور تکراری تصاویر MR را به تعداد مشخصی کلاس بافتی نرمال تفکیک می کند ضمن اینکه در هر تکرار، براساس فاصله mahalanobis تعریف شده برای کلاسهای بافتینرمال، پیکسلهایی که از یک مقدار مشخصی تجاوز کنند حذف می شوند . سپس تنظیم پارامترها فقط براساس واکسلهای حذف نشده انجام می گیرد . آلگوریتم مطرح شده در این مقاله، روند ملایمتری برای حذف واکسلهای غیر نرمال بکار می برد . علاوه بر نتایج بدست آمده توسط آلگوریتمها، پارامترها بصورت دستی نیزمحاسبه شده و باهم مقایسه می شوند . استفاده از نتایج بدست آمده، بعنوان شرایط اولیه در آلگوریتمهای بخش بندی بر انعطاف آنها می افزاید . البته تخمینگر ژنتیکی از
سرعت پایینتری نسبت به تخمینگر EM برخوردار است .