بخش‌بندی خودکار ماهیچه‌های مقطع ران با استفاده از روش چنداطلس سلسله‌مراتبی و الگوریتم frfcm در تصاویر سی‌تی‌اسکن

کمی سازی و مدل سازی ماهیچه های اسکلتی می تواند به بررسی بیماری های مربوط به ماهیچه، مشکلات حرکتی خاص و شبیه سازی های مورد نیاز برای انجام جراحی های مربوطه کمک نماید. بدین منظور به بخش بندی ماهیچه ها در تصاویر پزشکی نیاز است. با توجه به اهمیت ماهیچه های مقطع ران در حفظ تعادل بدن و راه رفتن، در این پژوهش بخش بندی این ماهیچه ها در تصاویر سی تی اسکن انجام شده که برای این منظور از روش چنداطلس (بهبود یافته‌ی روش چنداطلس سلسله‌مراتبی در مطالعه‌ی قبلی نویسندگان) استفاده شده است. در این روش پس از پیش پردازش تصویر، ناحیه‌ی مربوط به ماهیچه از سایر بافت ها با استفاده از روش frfcm به صورت اتوماتیک استخراج شده و از ماسک باینری ماهیچه و ماسک ماهیچه‌ی بهبود یافته در روش چنداطلس برای بخش بندی مجزای ماهیچه ها استفاده شده است. روش پیشنهادی با استفاده از 20 مجموعه‌ی داده‌ی سی تی اسکن شامل 12 نمونه‌ی زن و 8 نمونه‌ی مرد پیاده سازی شده است. این روش در مقایسه با روش چنداطلس سلسله‌مراتبی هزینه‌ی محاسباتی بسیار کم‌تری دارد. به طور میانگین، زمان مورد نیاز برای بخش بندی ماهیچه ها با استفاده از روش پیشنهادی و روش چنداطلس سلسله‌مراتبی به ترتیب برابر با 24 و 71 ثانیه برای یک اسلایس از هر نمونه بوده و بنابراین روش پیشنهادی زمان پیاده سازی را تقریبا تا یک‌سوم روش قبل کاهش داده است. میانگین ضریب شباهت دایس برای روش پیشنهادی با ماسک ماهیچه‌ی بهبود یافته و روش چنداطلس سلسله‌مراتبی به ترتیب برابر با 69/ 7±58/ 86 و 26/ 8±07/ 83 بوده و میانگین دقت و حساسیت برای روش پیشنهادی برابر با 6/ 9±78/ 89 و 25/ 9±63/ 84 و برای روش چنداطلس سلسله‌مراتبی برابر با 04/ 12±85/ 88 و 88/ 10±04/ 78 می‌باشد. بنابراین بر اساس معیارهای ضریب شباهت دایس، دقت و حساسیت روش پیشنهادی نتایج کمی بهتری نسبت به روش پیشین داشته است.