ناحیه‌بندی خودکار تومور مغزی در تصاویر چندمدالیته‌ی تشدید مغناطیسی با استفاده از آنالیز تقارن و مدل فعال

ﻣﻘﺪﻣﻪ: ﺗﻮﻣﻮر ﻣﻐﺰی در اﺛﺮ رﺷﺪ ﻏﯿﺮﻃﺒﯿﻌﯽ ﺳﻠﻮل ﻫﺎی ﻣﻐﺰ ﺑﻪ وﺟﻮد ﻣﯽ آﯾﺪ ﮐﻪ ﺑﯿﺸﺘﺮﯾﻦ آﻣﺎر ﻣﺮگ وﻣﯿﺮ را دارد. ﻧﺎﺣﯿﻪ ﺑﻨﺪی ﺗﻮﻣﻮر ﻣﻐﺰی، ﺑﺮای ﺟﺪاﮐﺮدن ﺑﺎﻓﺖ ﻫﺎی ﻏﯿﺮﻃﺒﯿﻌﯽ از ﺑﺎﻓﺖ ﻫﺎی ﻃﺒﯿﻌﯽ ﻣﻐﺰ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد. ﻧﺎﺣﯿﻪ ﺑﻨﺪی دﺳﺘﯽ ﺗﻮﻣﻮرﻫﺎی ﻣﻐﺰی در ﺗﺼﺎوﯾﺮ ﺗﺸﺪﯾﺪ ﻣﻐﻨﺎﻃﯿﺴﯽ زﻣﺎن ﺑﺮ اﺳﺖ و ﻣﺴﺘﻌﺪ ﺧﻄﺎی اﻧﺴﺎﻧﯽ اﺳﺖ؛ ﺑﻨﺎﺑﺮاﯾﻦ اﯾﺠﺎد ﻧﺎﺣﯿﻪ ﺑﻨﺪی ﺧﻮدﮐﺎر ﺗﻮﻣﻮر ﻣﻐﺰی در اﯾﻦ ﺗﺼﺎوﯾﺮ از ﻧﻈﺮ ﭘﺰﺷﮑﯽ، ﮐﺎر ﻣﻬﻢ و ﭼﺎﻟﺶ ﺑﺮاﻧﮕﯿﺰ اﺳﺖ. روش ﻫﺎ: در اﯾﻦ ﭘﮋوﻫﺶ، روﺷﯽ ﻣﺒﺘﻨﯽ ﺑﺮ ﮐﺎﻧﺘﻮر ﻓﻌﺎل ﺑﺮای ﻧﺎﺣﯿﻪﺑﻨﺪی ﺧﻮدﮐﺎر ﺗﻮﻣﻮر ﻣﻐﺰی در ﺗﺼﺎوﯾﺮ ﺗﺸﺪﯾﺪ ﻣﻐﻨﺎﻃﯿﺴﯽ ﭼﻨﺪﻣﺪاﻟﯿﺘﯽ ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ. در روش ﭘﯿﺸﻨﻬﺎدی، در ﻣﺮﺣﻠﻪ ی اول ﺑﺎ اﺳﺘﻔﺎده از ﺗﻘﺎرن ﺳﺎﺧﺘﺎرﻫﺎی ﻣﻐﺰ در دو ﻧﯿﻢ ﮐﺮه، ﻧﺎﺣﯿﻪی ﺗﻮﻣﻮردار اﺳﺘﺨﺮاج ﻣﯽ ﺷﻮد، ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از روش ﻓﺎزی ﻣﺒﺘﻨﯽ ﺑﺮ ﮐﺮﻧﻞ، ﻣﺮز ﺗﻘﺮﯾﺒﯽ ﺗﻮﻣﻮر ﺷﻨﺎﺳﺎﯾﯽ ﻣﯽ ﮔﺮدد. در ﻣﺮﺣﻠﻪ ی دوم، ﮐﺎﻧﺘﻮر ﻓﻌﺎل ﺑﺮای ﻧﺎﺣﯿﻪ ﺑﻨﺪی ﺗﻮﻣﻮر ﻣﻐﺰی در ﺗﺼﺎوﯾﺮ ﺗﺸﺪﯾﺪ ﻣﻐﻨﺎﻃﯿﺴﯽ ﭼﻨﺪﻣﺪاﻟﯿﺘﯽ ﺑﺎ اﺳﺘﻔﺎده از ﮐﺎﻧﺘﻮر اوﻟﯿﻪ ای ﮐﻪ ﺑﺮ اﺳﺎس ﻣﺮز ﺷﻨﺎﺳﺎﯾﯽ ﺷﺪه در ﻣﺮﺣﻠﻪ ی اول، ﺗﻌﺮﯾﻒ ﺷﺪه اﺳﺖ، ﺑﻪ ﮐﺎر ﻣﯽ رود. ﯾﺎﻓﺘﻪ ﻫﺎ: روش ﭘﯿﺸﻨﻬﺎدی ﺑﺎ اﺳﺘﻔﺎده از ﻣﺠﻤﻮﻋﻪ ی داده brats2017 ﮐﻪ ﺷﺎﻣﻞ ﺗﻮﻣﻮرﻫﺎی ﮔﻠﯿﻮﻣﺎ درﺟﻪ ی ﺑﺎﻻ و درﺟﻪ ی ﭘﺎﯾﯿﻦ اﺳﺖ، ارزﯾﺎﺑﯽ ﺷﺪ. در ﻣﻘﺎﯾﺴﻪ ﺑﺎ ﺳﺎﯾﺮ روش ﻫﺎی ﻣﺒﺘﻨﯽ ﺑﺮ ﮐﺎﻧﺘﻮر ﻓﻌﺎل، ﻧﺘﺎﯾﺞ ارزﯾﺎﺑﯽ ﻫﺎ ﺑﺮ اﺳﺎس ﻣﻌﯿﺎرﻫﺎی داﯾﺲ (95.22±0.033) ﺟﺎﮐﺎرد (91.10±0.062)، ﺣﺴﺎﺳﯿﺖ (94.79±0.059) و اﺧﺘﺼﺎﺻﯿﺖ (99.70±0.003)، ﻧﺸﺎن داد ﮐﻪ روش ﭘﯿﺸﻨﻬﺎدی در اﯾﻦ ﭘﮋوﻫﺶ، ﻋﻤﻠﮑﺮد ﺑﻬﺘﺮی در ﻧﺎﺣﯿﻪ ﺑﻨﺪی ﺧﻮدﮐﺎر ﺗﻮﻣﻮر دارد. ﻧﺘﯿﺠﻪ ﮔﯿﺮی: روش ﻧﺎﺣﯿﻪ ﺑﻨﺪی ﺧﻮدﮐﺎر ﺗﻮﻣﻮر ﭘﯿﺸﻨﻬﺎدی در اﯾﻦ ﭘﮋوﻫﺶ، ﻧﺘﺎﯾﺞ ﻧﺎﺣﯿﻪ ﺑﻨﺪی ﺑﻬﺘﺮی را در ﻣﻘﺎﯾﺴﻪ ﺑﺎ ﺳﺎﯾﺮ روش ﻫﺎی ﻣﺒﺘﻨﯽ ﺑﺮ ﮐﺎﻧﺘﻮر ﻓﻌﺎل ﺑﻪ دﺳﺖ آورد.

automatic brain tumor segmentation in multimodal magnetic resonance images (mri) using brain symmetry analysis and active contour

abstract introduction: the abnormal growth of the brain cells leads to a brain tumor, which has the highest mortality rate. brain tumor segmentation from magnetic resonance images (mri) separate the abnormal mass of tissue from normal brain tissues. however, manual brain tumor segmentation from mri is time-consuming and prone to human errors. therefore, developing an automatic brain tumor segmentation is an important and challenging task from a medical point of view. methods: this paper presents an active contour-based method for automatic brain tumor segmentation from multimodal mri. in the first step, the tumor boundary is detected using the symmetry of the brain structures in the two hemispheres of the brain, followed by the kernel-based fuzzy algorithm. then, in the second step, the active contour is used to segment the brain tumor from multimodal mri using an initial contour defined based on the detected boundary. results: the proposed method was evaluated on the brats2017 dataset, including high- and low- grade tumors. in comparison with other active contour-based methods, the experimental evaluation using dice (95.22±0.033), jaccard (91.10±0.062) sensitivity (94.79±0.059), and specificity (99.70±0.003) showed that the proposed method yielded better performance on tumor segmentation. conclusion: the proposed automatic tumor segmentation method achieved better segmentation results than other active contour-based methods.