ناحیه بندی تصاویر Mr مغز با استفاده از Fcm بهبود یافته مکانی به کمک تابع گوسی : Gsfcm

بخش بندی تصویر را به بخش‌های مجزا تقسیم می کند که هر کدام از این بخش‌ها دارای سطوح روشنایی یکنواختی هستند. از بین روش های موجود روش خوشه‌بندی فازی fcm (fuzzy c-means clustering) دارای کاربرد وسیعی در ناحیه بندی تصاویر پزشکی است. عدم ادغام ویژگی های مکانی در fcm استاندارد، از معایب این روش در ناحیه بندی تصاویر تشدید مغناطیسی mri (magnetic resonance imaging) مغز انسان است؛ در این مقاله از روشی جدید برای بخش بندی و حذف نویز تصاویر mr با اعمال فیلتر مکانی گوسی در تابع عضویت فازی استفاده شده است. فیلتر مکانی مذکور، آثار نویز در مرز بافت ها و زوایای تصویر را بصورت بهینه‌ ای مدیریت می کند؛ علاوه براین پیکسلی که به لحاظ آناتومیکی یک بافت مجزا است مانند تومور در مراحل اولیه رشد، شانس بیشتری برای یک خوشه شدن دارد. در پایان آزمایش‌ها که بر روی پایگاه داده isbr انجام شده است کیفیت روش پیشنهادی توسط توابع اعتبارسنجی متداول مانند شاخص جاکارد و ضریب دایس مورد ارزیابی قرار گرفته است. از طرف دیگر در کاربردهای پزشکی به خصوص در شرایط اورژانسی، ضرورت سرعت عمل تمام عوامل پزشکی امری اجتناب ناپذیر است و الگوریتم ناحیه بندی از این قاعده مستثتی نیست، لذا برای دستیابی به این مهم توسط الگوریتمی مرکز ثقل اولیه خوشه ها، مشخص می شود که زمان هم‌گرایی تابع هزینه در fcm بهبود یافته مکانی گوسی، نسبت به fcm استاندارد تا حد قابل قبولی کاهش می یابد.