تطوير خوارزمية جينية لتحديد الخصائص الهامة من صور الرنين المغناطيسي للدماغ للحصول على مصنف أسرع وأدق

سمير كرمان, رشا مسعود, صبحي الشيخة

Abstract


ان اجراء عملية التصنيف لكمية كبيرة من صور الرنين المغناطيسي للدماغ، لمجموعة كبيرة من الخصائص المستخرجة من هذه الصور سيتم بدقة محدودة وبسرعة بطيئة، وللحصول على مصنف أسرع وأدق يجب تقليل هذه الخصائص. ان تحديد الخصائص هو إجرائية تحديد مجموعة صغيرة من الخصائص لبناء نموذج توصيف البيانات. ان الهدف الرئيسي من تحديد الخصائص هو تقليل عدد الخصائص المستخدمة للتصنيف وذلك لتحسين الدقة والسرعة. هناك عدد كبير من الخوارزميات التقليدية قدمت سابقاً لتحديد المجموعات الجزئية من الخصائص، في هذه المقالة تم استخدام قاعدة بيانات صور رنين الدماغ المأخوذة من الموقع:

The MNI BITE database http://www.bic.mni.mcgill.ca/~laurence/data/data.html#

تبدأ الخطوات بإجراء معالجة أولية للصورة قبل إدخالها الى الخوارزمية بتحويلها إلى صورة ثنائية بتدرج رمادي ليتم بعد ذلك إزالة المعلومات النصية من الصورة (معلومات المريض وبارامترات صورة الدماغ) وذلك باستخدام خوارزمية خاصة، بعد ذلك يتم إزالة أجزاء الجمجمة من صورة الدماغ دون التأثير على المادة البيضاء والمادة الرمادية في الدماغ. ثم بعد ذلك يتم استخدام مرشح معدل (مطور) عن المرشح الوسيط لإزالة الشوائب من الصورة الرقمية الناتجة، يتم ضغط الصورة وتمديدها باستخدام الهرم الغاوصي، ليتم بعدها كشف حواف الصورة الناتجة باستخدام هرم اللابلاسيان, يتم استخراج خصائص الاكساء من الصورة وهي عبارة عن مجموعة كبيرة من الخصائص، كخصائص التباين (النصوع), وخصائص التصحيح وخصائص التجانس وخصائص العشوائية, بعدها يتم تطبيق خوارزمية جينية مطورة لتحديد الخصائص الهامة من الخصائص الكبيرة المستخرجة لإدخالها الى مصنف K اقرب جار.

Classification process for a large number of MRI brain images, and a large number of features extracted, will be done with less accuracy and slowly. To achieve a fast and accurate classifier, we must reduce these features. Feature selection refers to the procedure of selecting a subset of informative attributes to build models describing data. The main purpose of feature selection is to reduce the number of features used in classification while maintaining high classification accuracy. A large number of algorithms have been proposed for feature subset selection.

In this paper, we have use MRI brain image to determine the area of tumor in brain. The steps started by preprocessing operation to the image before inputting it to algorithm. The image was converted to gray scale, later on remove film artifact using special algorithm, and then remove the Skull portions from the image without effect on white and gray matter of the brain using another algorithm, After that the image enhanced using optimized median filter algorithm and remove Impurities that produced from first and second steps, then we used the Gaussian Pyramid algorithm with Laplacian pyramid algorithm for detecting  edges in the image, Finally we use a developed genetic algorithm for feature selection, and apply the K Nearest Neighbor for classification.


Full Text: PDF

Refbacks

  • There are currently no refbacks.


Editor in chief: Prof. Dr. Hani Chaaban

Editorial Board ,Secretary Editor:Dr. Amir Tfiha