شکل ۲-۴. تصویر سه بعدی قلب و استفاده از الگوریتم انطباق ۲۷
شکل ۲-۵. (a) تصویر سه بعدی بخشبندی شده توسط AMM،
(b تصویر بخشبندی شده بصورت دستی ۳۰
شکل ۲-۶ . بخش­بندی بر مبنای اطلس ۳۱
شکل۳-۱. روند روش ارائه شده ۳۹
شکل ۳-۲. روش PSO 40
شکل ۳-۳ . الف- تصویراصلی و بخش­بندی شده نمونه اول ب- تصویراصلی
و بخش­بندی شده نمونه دوم ۴۳
شکل ۳-۴. الف) نتیجه بخش­بندی توسط PSO و ساختار عملیاتی نمونه اول
ب) نتیجه بخش­بندی توسط PSO و ساختار عملیاتی نمونه دوم ۴۶
شکل۳-۵. محاسبه احتمال اینکه پیمایشگر تصادفی با شروع از نقطه vi ابتدا
به نقطه برچسب گذاری شده xi برسد کافی است مسیله مدار الکتریکی
معادل با مسیله ترکیبی دیریکله را حل کرد. ۴۸
شکل ۳-۶.. تصویر اصلی، تصویر باینری بخش­بندی­شده توسط الگوریتم PSO
و ساختار عملیاتی و تصویر باینری بخش­بندی شده توسط پیمایشگر تصادفی بهبود یافته،
الف) نمونه اول، ب)نمونه دوم ۵۶
شکل ۳-۷. بررسی مرزهای ضعیف ۵۸
شکل۳-۸. یافتن مرزهای ضعیف ۵۸
شکل۳-۹. (الف) تصویر ورودی و (ب) تصویر نهایی بخش بندی شده ۵۹
شکل ۴-۱. تصاویر باینری که توسط الگوریتم PSO بخش­بندی شده است.
الف) بیمار اول ب)بیمار دوم ج)بیمار سوم د) بیمار چهارم ۶۵
شکل ۴-۲. تصاویر باینری که توسط روش PSO و ساختارهای عملیاتی
بخش­بندی شده است. الف)بیمار اول ب) بیمار دوم ج) بیمار سوم د) بیمار چهارم ۶۶
عنوان صفحه
شکل ۴-۳. تصاویر بخش­بندی شده نهایی توسط روش پیمایشگر تصادفی بهبود یافته ۶۷
شکل ۴-۴. نتایج حاصل از بخش­بندی توسط مدل ارائه شده و بخش­بندی دستی
توسط فرد متخصص، خطوط قرمز رنگ بخش­بندی توسط مدل ارائه شده
و بخش­بندی دستی خطوط سبز رنگ ۶۸
شکل ۴-۵. تصاویر بخش­بندی شده توسط روش پیمایش تصادفی سنتی ۷۲
شکل ۴-۶.. الف- تصویر بخش­بندی شده توسط PSO و پیمایش تصادفی سنتی
ب- تصاویر بخش­بندی شده توسط روش پیمایش تصادفی بهبود یافته بدون PSO
ج- بخش­بندی توسط روش ارائه شده ۷۲
فصل اول
مقدمه
۱-۱- مقدمه
قلب یک عضو حیاتی از سیستم گردش خون بدن انسان است. عملکرد مناسب قلب برای جلوگیری از بیماری­های قلبی عروقی ضروری است. نداشتن ورزش، کم تحرکی، استرس، رژیم غذایی نامناسب و عوامل ژنتیکی همه در ایجاد و افزایش اختلالات قلبی عروقی نقش اساسی دارند.

بیماری­های قلبی عروقی در حال حاضر جزء سه علت اول مرگ و میر و ناتوانی انسان­ها در سراسر دنیا بوده و در حال تبدیل شدن به اصلی ترین عامل مرگ و میر و ناتوانی در اغلب کشورها می باشد [۱]. از این رو کنترل و درمان این بیماری­ها یک مسئله مهم می­باشد. در گذشته نظارت بر فشار خون، آزمایش خون برای تشخیص کلسترول و ECG روش هایی بود که برای نظارت بر سلامت قلبی عروقی افراد در اختیار پزشک قرار داشت. در سال های اخیر با پیشرفت در علم پزشکی و مهندسی پزشکی، تجهیزات تصویربرداری برای تشخیص و کنترل بیماری­ها به کمک پزشکان آمده­اند. تا آنجا که تشخیص و درمان بیماریهای قلبی عروقی تا حد زیادی به روش­های مختلف تصویر­برداری همانند اکوکاردیو­گرافی، توموگرافی کامپیوتری( (CT ، آنژیوگرافی عروق کرنری و تصویر برداری رزونانس مغناطیسی((MRI قلبی متکی است.
وضوح بالای تصویر اصلی­ترین امتیاز MRI می­باشد که توانایی به تصویرکشیدن بافت­های نرم بدن را دارا است. بنابراین MRI برای تصویر­برداری از قلب، مغز، عضلات و تومورها بسیار مناسب است. تصویربرداری چند وجهی یکی دیگر از ویژگی­های MRI می­باشد که قادر به گرفتن تصاویر مقطعی بر روی هر سطح، بدون تغییر دادن موقعیت بیمار است. همچنین به این دلیل کهMRI از پرتوهای الکترومغناطیسی RF)) استفاده می­ کند تاثیرات مضر تابش اشعه رادیواکتیویته و X-ray در تصویربرداری هسته­ای و CT را ندارد.
انجام MRI روی تعداد زیادی از بیماران قلبی عروقی در جامعه یک حجم قابل توجهی از داده ­ها را تولید می­ کند. تجزیه تحلیل این داده ­ها به وسیله رادیولوژیست یا پزشک کار وقت­گیری است. همچنین تفسیر آن­ها به تشخیص پزشک متکی است و بنابراین می ­تواند مستعد خطا باشد. بنابراین استفاده از کامپیوتر و روش­های پردازش تصویر به عنوان راه حلی برای حل این مشکلات مطرح شده است. در چند دهه اخیر آنالیز تصاویر قلبی، خصوصا بخش­بندی^[۱] تصاویر قلبی موضوع بسیاری از مطالعات بوده است. بخش­پذیری تصاویر برای بسیاری از کارهای سطح بالا همانند تجزیه تحلیل تصاویر، تشخیص به کمک کامپیوتر، مدل سازی­های هندسی ساختارهای آناتومیکی و یا ساخت مدل­های بیومکانیکی که برای شبیه­سازی عمل جراحی مورد استفاده قرار می­گیرند، به عنوان یک پیش­نیاز محسوب می­ شود.
بخش­بندی تصاویر قلبی عبارت است از شناسایی قلب یا هر کدام از ویژگی­های آناتومیکی و یا فیزیولوژیکی وابسته به آن از تصاویر دو بعدی یا سه بعدی.
هدف اساسی در بخش­بندی تصویر این است که تصویر داده شده را داخل دو یا چند منطقه بخش­بندی کنیم. یک مثال ساده از بخش­بندی تصویر قلب در دو ناحیه در شکل ۱-۱ نشان داده شده است، ناحیه u₁ متناظر با شی مورد نظر (پیش زمینه) و ناحیه u₂ پس زمینه تصویر می­باشد.
شکل ۱-۱. تصویر بخش­بندی شده در دو ناحیه
به عبارت دیگر هدف در این مثال شناسایی دو گروه از پیکسل­های u₁و u₂ می­باشد که به صورت زیر تعریف می­شوند.
= u₁
(۱-۱)
= u₂
در مورد روش­های اتوماتیک بخش­بندی قلب مطالعات زیادی صورت گرفته است اما هنوز تشخیص محیط و کانتورها نیاز به اصلاح در حد روش دستی را دارند. علی­رغم کارهای بسیاری که در مورد بخش­بندی بطن­های راست و چپ تصاویر قلبی انجام شده است اما مسئله هنوز باقیست [۲].
در بخش­بندی بطن راست و چپ تصاویر قلبی چالش­هایی وجود دارد که عمدتا به دلیل آناتومی قلب و خصوصیات تصاویر MRI می­باشد. برخی از مشکلات که در بخش­بندی تصاویر قلبی وجود دارند عبارتند از: