Gabor إ ازلة الضجيج من هذه الصور وزيادة تباينها. في المرحلة الثانية تم تطبيق تقانة قطع الرسم البياني Graph-cut من

Transcript

1 مجلة جامعة تشرين للبحوث والد ارسات العلمية _ سلسلة العلوم الهندسية المجلد )53( العدد )6( 315 Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series Vol. (35) No. (6) 213 ومكان ه الورم حجم "تحديد الرنين في صور باستخدام آليا المغناطيس تقانات الصورة" معالجة الدكتورة * مريم محمد ساعي ** زيد مدحت قريطم )تاريخ اإليداع.315 / 5 / 3 قبل للنشر في )213 / 7 /33 ملخ ص العديد المعالجة أجل الورم يقدم من البحث تقانات األولية برمجية معالجة الصور لتلك مبتكرة الصورة بهدف حجم لتحديد على صور تحسين أو ارم الرنين جودتها, ومكان ها الدماغ المغناطيسي االعتماد تم إذ في صور وعلى على عدة المرش ح الرنين م ارحل. غابور المغناطيسي اقتصرت Gabor من المرحلة الذي خالل األولى يساعد تطبيق على على إ ازلة الضجيج من هذه الصور وزيادة تباينها. في المرحلة الثانية تم تطبيق تقانة قطع الرسم البياني Graph-cut من استخالص الرنين صورة من الدماغ منطقة المغناطيسي تقانة وتطبيق مستجمعات المياه Watershedالستخالص منطقة الورم من الصورة. وبهدف تحسين الرؤية البصرية تم تلوين صورة الرنين لعزل منطقة إن وجدت وذلك في مرحلة المعالجة الالحقة كما تم استخدام تقانة ت اركب الصور من أجل إظهار الصورة بشكل أوضح وأدق ألخصائي األشعة. وأخي ار تم حساب حجم الورم وتجميع ثالثي مجس م لتشكيل وعمقه في حال وجوده. استخدام تم األبعاد قاعدة ل أرس بيانات المريض, من مؤلفة ا تصو ر الطبيب يعطي مما ا الشرئح أشمل المحورية وأعمق للدماغ عن مغناطيسي رنين صورة 11 شريحة )عشرين ال أرس محورية بعضها وحجم فوق الورم من للدماغ بعض ومكان ه أجل خمسة مرضى( وتم تطبيق الطريقة المقترحة على تلك الصور حيث بلغ معدل نجاح النظام في كشف األو ارم الدماغية نسبة %97. الكلمات : المفتاحية الصورة, صور معالجة الرنين المغناطيسي, التصوير الطبي, األو ارم الدماغية, التشخيص اآللي, تجزئة الصورة, خوارزمية قطع الرسم البياني, خوارزمية مستجمعات المياه. * ** مدرس - قسم هندسة الحاسبات والتحكم اآللي كلية الهندسة الميكانيكية والكهربائية جامعة تشرين-الالذقية سورية. طالب دراسات عليا )ماجستير( - قسم هندسة الحاسبات كلية الهندسة الميكانيكية والكهربائية جامعة تشرين-الالذقية سورية. 191

2 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم مجلة جامعة تشرين للبحوث والد ارسات العلمية _ سلسلة العلوم الهندسية المجلد )53( العدد )6( 315 Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series Vol. (35) No. (6) 213 "Autosize and location determining of Tumor in MRI using Image Processing Techniques" (Received 5 / 3 / 213. Accepted 22 / 7 / 213) ABSTRACT Dr. Mariam Saii * Zaid Quraytem ** This study provides a new approach to determine the size and the location of brain tumors in Magnetic Resonance Imaging (MRI), where the application uses several image processingtechniques on magnetic resonance imaging in several stages.first stage was limited to preprocessing to those images and improve its quality, via Gabor filter, in order to improve contrast and remove the noise from these images.in the second stage the graphcut algorithm is used to extract the brain area of magnetic resonance image, while we use watershed algorithm to eradicate the tumor area of the MR Images. After that we make these images more visible and easier readability by using the recoloring and overlappingtechnologies in post processing stage.finally we calculate the tumor volume. Also axial brain slides will assembled on top of each other to form a patient's head in three dimensions, which gives the doctor a comprehensive and clearer idea about the patient's head, and make him know the size, location and depth of the tumor if existed. The new approach is tested using a database composed of 1 magnetic resonance image (2 axial brain slices for five patients), where the success rate in the detection of brain tumors had reached 97%. Keywords: Image Processing, Magnetic Resonance Imaging, Medical Imaging, Brain Tumors, Automated Diagnosis of Brain tumors, Image Segmentation, Graph-Cuts, and Watershed. * Assistant Professor in Department of computer and automatic control Engineering, Faculty of Electronic and Electrical Engineering, Tishreen University,Latakia,Syria. ** Master student in Department of Computer Engineering, Faculty of Electronic and Electrical Engineering,Tishreen University,Latakia,Syria. 191

3 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 مقدمة: ي عد تصوير الرنين المغناطيسي MRI( ) Magnetic Resonance Imaging وسيلة تصوير طبي لتوضيح التغيي ارت الباثولوجية في األنسجة الحية,إذ يعتمد هذا النوع من التصوير على األمواج المغناطيسي ة, فيقوم MRI حاسب مجاور بمعالجة البيانات وتخزينها الستخدامها من قبل الطبيب, في حين أن جهاز التصوير هو عبارة عن أنبوب ضيق طويل يتم وضع المريض بداخله, مع العلم أن هذا النوع من التصوير غير آمن وخاصة عندما يوجد داخل جسم المريض أدوات معدنية أو أجهزة كهربائية )كمنظمات القلب مثال (, ولكن ه قد يكون الحل النهائي لعملية التشخيص كونه يعز ز التفاصيل ويعطي مزيدا من الوضوح والدقة [1] [2]. تبي ن الد ارسات السابقة أن تطبيق تقانة واحدة من تقانات معالجة الصورة الرقمية للتشخيص اآللي ألو ارم الدماغ تعد أم ار مستحيال, خاصة أن ش ارئح الدماغ يختلف بعضهاعن بعض كثي ار بحسب عمق الشريحة وأيضا بحسب 82 منظورها ودرجة تعقيدها, ففي العام تم طرح د ارسة بعنوان : " كشف أع ارض وتصنيف الصور الطبية باستخدام [6], تناولت الشبكات العصبية الضبابية " فكرة تصنيف أو ارم الدماغ باالعتماد على موقع الورم بصرف النظر عن المعالجة المسبقة لصور الرنين المغناطيسي للدماغ, واستخدمت ANFIS (Adaptive Neural Fuzzy لذلك شبكة PCA(Principle Component System),Inference كما أن تلك الد ارسة اعتمدت على خوارزمية ال في استخالص السمات لم ولكن ها تحل مشكلة اختالف حجم الدماغ في صورتين لهما نفسه, كذلك الحجم Analysis) تحل مشكلة لم تطابق اختالف شكل الش ارئح الملتقطة بعضها مما أعطى عن بعض نتائج تصنيف سيئة, وبالتالي ال يمكن القول إن هذه الد ارسة تعطي نتائج دقيقة في كل الحاالت إال إذا تطابقت صورتي الدماغ تماما وهذا أمر صعب.,[7] نش تر فيما بعد د ارسة أخرى بعنوان : " كشف سرطان الرئة باستخدام تقانات معالجة الصورة " في وذلك Pre-processing العام 8, حيث رك زت هذه الد ارسة على مسألة المعالجة المسبقة لصور الرنين المغناطيسي للرئة ولكن ها لم تتطر ق إلى عملية تصنيف الورم,على الرغم من أنها قد مت بعض الطرق المفيدة في كشف الورم Auto- Gabor كطريقة ال watershed واستخدمت تقانات مختلفة لمعالجة الصورة منها فلتر والتحسين التلقائي,Enhancement إال أن ها لم تعط نتائج جيدة في الكشف اآللي ألو ارم الرئة كما أن صور الرئة تختلف من حيث الشكل والتعقيد عن صور الدماغ المستخدمة في د ارستنا. وفي العام نفسه تم نشر د ارسة أخرى بعنوان : تجزئة صور الرنين المغناطيسي للدماغ باستخدام تقانة Graph- [8],Cut وهي تقانة مستخدمة بكثرة في مجال تجزئة الصور الطبية,إذ يتم من خاللها تقسيم منطقة الدماغ البشري إلى مناطق فرعية متعددة تفصل بين أج ازء الدماغ المختلفة وتستخلص المناطق المرغوبة منه, ممتاز للفصل ح ل فهي بين أنسجة الدماغ,وخصوصا soft tissues األنسجة الرخوة مثل المادة السنجابية والمادة البيضاء والسائل الشوكي, Edge كما استخدم الباحث تقانات المعالجة المسبقة لصور الرنين المغناطيسي للدماغ, من عمليات كشف للحواف وعمليات هيستوغ ارم وعمليات تعتيب يليها عملية,Graph Cuts مع أن اإلشارة إلى Thresholding Detection هذا البحث أيضا لم يتطر ق إلى كشف أو ارم الدماغ ولم يستعمل أيضا ا صور معقدة لش ارئح الدماغ. تتضمن الفق ارت اآلتية عرضا للطريقة المقترحة لكشف األو ارم الدماغية بشكل آلي نستعرض في حيث الفقرة 8 من هذا األهمية البحث واألهداف التي يرمي إليها في حين تعرض الفقرة 3 طرق البحث وأهم الخوارزميات والتقانات المستخدمة و تتض من الفقرة 4 النتائج العملية للد ارسة وتلخص الفقرة 5 االستنتاجات والمالحظات وتقدم التوصيات المقترحة. 195

4 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم أهمية البحث وأهدافه: يحس ن طريق كشف وتشخيص األو ارم له دور مهم جدا في العديد من تطبيقات التصوير الطب ي, إذ يتطل ب استخدام الحاسب في هذه العملية دقة عالية كونه يتعل ق بحياة البشر, فضال عن استخدامه بشكل كبير في المؤسسات الطبية وذلك لكونه الصور التشخيص الق ارءة تعد األيام خاصة. البشري المضاعفة جد ا, مكلفة بشكل للصور فوجود لذا كبير الطبية وخاصة برمجية وبالتالي أن جيدة يقود نسبة إلى تساعد يجب الخطأ تشخيص في األطباء أن للورم تكون بشكل المؤسسات ما أقل أفضل الطبية يمكن, لكن, تعد وهذا الق ارءة حاجة ينتج التحس ن المضاعفة في ملح ة عن لتلك هذه يهدف البحث إلى اقت ارح طريقة مبتكرة الكتشاف األو ارم الدماغية في صور الرنين المغناطيسي من خالل تصميم برمجيات قادرة على التعامل مع تلك الصور الحاوية على نسبة عالية من الضجيج والموصوفة بدرجة تعقيدها المرتفعة, لذا فوجود برنامج قادر على التغل ب على تلك الصعاب الطبية مما يحس ن من أداء التشخيص اآللي وموثوقيته عامة. مختلفةعن أعطت نتائج يمك ن الطبيب من ق ارءة أصح 3- ط ارئق البحث ومواده: وأوضح للصور تكمن صعوبة البحث في تجزئة صور الرنين المغناطيسي, حيث يكون لكل شريحة محورية دماغية درجة تعقيد.Watershed األخرى, لذا نضطر الستخدام أكثر من خوارزمية تجزئة واحدة لحل هذه المشكلة, وأكثر تتالءم مع هدف البحث هي خوارزمية قطع الرسم البيانيGraph-cut 1-3 خوارزمية قطع الرسم البياني :Graph-Cut Algorithm وخوارزمية الخوارزميات التي مستجمعات المياه تجزئة الصورة في هذه الخوارزمية لها عالقة بنظرية الرسم البيانيGraph, والتي تستخدم بكثرة في تحليل الصور الطبية,وفي حل العديد من مشاكل الرؤية Vision والرسومات Graphics إذ يمثل كل بكسل موجود في الصورة عقدة nodeفي المخطط,Graph وبهذا تقوم هذه الخوارزمية بإج ارء عملية تجزئة القمم الموجودة في المخطط )الصورة( وتقسيمها إلى مجموعتين فرعيتين منفصلتين )الفصل بين العناصر األمامية foreground والعناصر الخلفية )background باالعتماد على ميزة التقارب والتشابه الموجودة بين البكسالت, أما مجموعة القطع مجموعة من الحواف التي تنتمي نقاطها الطرفية إلى مجموعتي تجتاز القطع إذا كانت تنتمي إلى مجموعة القطع تلك [16]. العناصر األمامية والخلفية معا فهي cut set, فنقول إن الحواف تجزئة الرسم البياني في الصورة يعتمد بشكل أساسي على نموذج غيبسGibbs, مع تابع الكلفة أو السعة Cللصورةf بوصفه حال مثاليا وكل يا لتابع الهدف, ومعادلة نموذج Gibbs موضحة كما يأتي : C(f) = C data (f) + C smooth (f) (1) الجزء األول من المعادلة السابقة هو جزء البيانات,smooth أي يمكننا التعبير عن المعادلة السابقة كما بأتي : data Energy (labeling) = Data + Smooth (2) والجزء الثاني منها يدعى الجزء الناعم أو السهل تابع الطاقة أو العنونة يمث ل مجموع جزء البيانات والجزء الناعم, فالعنونة تعني إعطاء كل بكسل في الصورة أحد العنوانين اآلتيين لذا O, أو B حساب هذا الجزء عن طريق المعادلة اآلتية : فجزء المعطيات يعنى بكل بكسل وأحيانا يسم ى هذا الجزء الجزء المحل ي, ويتم 191

5 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 D(L) = [ ][ ] (3) حيث إن : i هو رقم البكسل, و Li هو عنوانه أما O أو يدل على قيمة البكسل. Ci فهو الهيستوغ ارم لهذا العنوان والرمز h[li] و B, وأما الجزء الناعم أو ما نسميه أحيانا بالجزء الحدودي أو جزء التنظيم فهو يتعلق بكل زوج من البكسالت الموجودة في الصورة, ويتم حساب هذا الجزء عن طريق المعادلة اآلتية : حيث إن i,j المتجاورين متشابهة, ويكون ا صغير الرمزهي : عبارة عن بكسالت متجاورة, فالرمز B(Ci,Cj) يكون مرتفعا في حال كانت قيمة البكسلين إذا ما كان هناك اختالف كبير بين قيمة هذين البكسلين, والعالقة المعبرة عن هذا B(Ci,Cj) = exp ( - C i Cj 2 / 2 2 ) (5) وهنا ال بد من التنويه إلى أن تضبط غ ارمة االنقطاع )االختالف( بين البكسلين ذوي القيمة المتشابهة )أي البكسلين المختلفين بالعنوان والمتشابهين بالكثافة(, فعندما يكون : Ci-Cj < عندئذ تكون هذه الغ ارمة كبيرة واذا كان هذا الفرق بالقيمة المطلقة- أكبر من تصبح الغ ارمة صغيرة. أما الرمز عن تابع الطاقة على الشكل اآلتي: فيأخذ قيمة الصفر إذا كان Li = Lj وواحد في باقي الحاالت, وبهذا يمكننا كتابة المعادلة المعب رة E(L) = D(L) + λs(l) (6) الطريقة األبسط واألشهر لل يمث ل المخطط بالرمز الطرفية مثل Graph-cut هي طريقة التجزئة باستخدام القطع األصغري,min-cut,G={V,E,W} : G فال T و S Vتمثل حيث تقابل أي بكسل في الصورة االرتباطات الموجودة بين بكسالت الصورة من جهة وبين األقواس أو الحواف Edgesونعب ر عنها بالرمز مجموعة العقد )القمم( المقابلة لبكسالت الصورة, عناوين التجزئة بل تمثل تلك البكسالت والعقدتين :العنصر الطرفيت ني والخلفيةB, O وبالتالي العقد أما في حين أن S,T نطلق عليها تسمية,E يتم توزيع تلك االرتباطات في فئتين اثنتين هما n-links و t-,links التوصيالت من النوع n )n-links( تعمل على ربط البكسالت المتجاورة, أما الوصلة من النوع فهي تقوم t بربط بكسالت الصورةمع العقد الطرفيةS,T, وهذا يعتمد على ترتيب وتموضع ال V وعلى اتجاه ال, E أما الرمز W فيدل على مصفوفة التشابه, حيث يتم إعطاء كل حافة وزنا معينا باالعتماد على مقدار التشابه بين البكسالت وكذلك األمر على المسافة الفاصلة بينهما, وبالتالي بنية الرسم البياني تصبح (V,E): Gst = والتي يمكن تصنيفها إما رسم بياني موج ه directed graph أو غير موج ه [18]. 193

6 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم الشكل )1( : توضيح فكرة ال graphعلى cut صورة ثنائية البعد 3*3. علما أن p, q, w, v, r ما هي إال عبارة عن بكسالت تنتمي إلى الصورة الثنائية البعد I O الشكل) (,أما كلفة كل حافة من النوع t أو nفيتم التعبير عنها في الشكل السابق من خالل ثخانة كل حافة. كما يوضح وفي نهاية األمر ال بد من القول إن القطع cutيتم تحديده عن طريق التأكد من ارتباط جميع بكسالت العنصر بالبذرة الطرفية للعنصر[ 13 ], والتأكد كذلك من ارتباط جميع عناصر الخلفية B background seed terminal, مع األخذ بالحسبان و أنO B يجب أن يكونا محتويين ضمن بالبذرة الطرفية للخلفية V, وناتج تقاطع كل من O و B هو مجموعة خالية,أما األو ازن المرتبطة بالحواف الموجودة بين القطاعين الناتجين فيجب أن تكون أقل ما يمكن )أصغرية(,حيث إن الحواف قليلة التكلفة تشك ل خيا ار مالئما إلج ارء قطع بتكاليف أصغرية.min-cut الصورة, حيث 2-3 خوارزمية مستجمعات المياه :Watershed Algorithm تقوم هذه الخوارزمية بفصل العناصر المتالمسة الموجودة في الصورة, وهي تعد من أصعب عمليات معالجة تعمل على إيجاد األحواض )مستجمعات المياه( و خطوط الجسور الفاصلة بينها في هذه الصورة, فتتعامل مع الصورة وكأنها منطقة من األرض مليئة بالتضاريس ( البكسالت المضيئة لها قيمة عالية والبكسالت الداكنة لها قيمة منخفضة (, وتقوم على فكرة المنخفضة ستغمر بالمياه وستأخذ جميعها لونا سكب كمية من المياه لحد معين واحدا وستتلو ن بلون مغاير [1], كما يوضح الشكل )8(. عتبة محددة هو األزرق, أما المناطق المرتفعة وبالتالي كل المناطق فستظل فوق سطح الماء 196

7 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 الشكل )2( : مفهوم خوارزمية Watershed )الحد الفاصل(. CB m تشير إلى نقاط n,b1,b2,.,b علما أن حيث نالحظ أن النقاط األدنى في الصورة I(i,j) هي : أحواض المصبات المرتبطة بالمنطقة الدنيا (x,y), B n إذ نعب ر عن مجموعة نقاط الصورة المرتبطة بالمصبات والتي بالمعادلة اآلتية : تأخذ قيما دنيا أصغر من عتبة محددة n X[n] = {(x,y) I(x,y) < n } (7) وبالتالي يمكن تشبيه المصبات في الصورة بالحفر التي يتم ملؤها بالتدريج, بحيث يزداد مستوى الماء كلما رفعنا قيمة العتبة حتى يحصل اتحاد بين المصبات الصغيرة لتكوين مصبات أكبر, وبالتالي يمكننا التالعب بقيمة العتبة للحصول على التجزئة المناسبة[ 22 ]. 3-3 صور الرنين المغناطيسي (MRI) : Magnetic Resonance Images تتكون صورة الرنين المغناطيسي من عدة أعمدة وصفوف تدعى matrix كل عمود وصف يحتوي على مربعات تدعى Pixels حيث تو زع اإلشا ارت الملتقطة من الجسم على هذه المربعات بحيث ترت ب بحسب ترتيبها في الجسم وهذه األلية تعتمد على جهاز متدر ج يعطي كل شريحة من ش ارئح الجسم قوة إشارة معينة, تعطي لونا.Image[2] الصورة, يمكن على التدرج الرمادي فتتكون لنا صورة الرنين المغناطيسي صورة بتدرج رمادي أن نصن ف صور الرنين المغناطيسي إلى ثالثة أصناف, فقد تعتمد عملية التصنيف على كما يظه ارلشكل )5( نسم ي ش ارئح الدماغ بالمحورية وقوة اإلشارة الملتقطة Gray Scale ازوية التقاط Axial إذا ما التقطت من أعلى ال أرس, وتسم ى سهمي ة Sagittal إذا التقطت بشكل جانبي, أما إذا تم التقاطها من الخلف فتسم ى تاجي ة [3] [4].Coronal الشكل )5( : مناظير مختلفة لصور الرنين المغناطيسي : - صور تاجي ة, 3- صور سهمية, 5- صور محورية [4]. 191

8 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم كما يمكن أن يتم التصنيف تبعا لعمق الشريحة الملتقطة, حيث يمكن أخذ تدر ج من ش ارئح دماغية ( محورية سهمية تاجي ة ) متفاوتة العمق [5], كما يظهر الشكل )6(. أما التصنيف األخير فيكون تبعا لكثافة النسيج, لذا يتم االعتماد هنا على التدرجات الرمادية المختلفة والتباينات المتغايرة ألنسجة الدماغ ( المادة البيضاء والرمادية السائل الشوكي العظم (, والشكل )4( يظهر فيه أنواع صور ال MR الثالثة [9]. الشكل )4( : أنواع صور الرنين المغناطيسي, -1 النوع, T1-2 النوع, T1-contrast -3 النوع. T2 وال بد من التنويه إلى أن التصوير بالرنين المغناطيسي يعد من الفحوص المكلفة وغير متوفرة بشكل دائم في الكثير من المستشفيات, وهناك صعوبات عند إج ارء هذا النوع من األشعة عند المرضى الذين يخافون من األمكنة المغلقة أو الذين يشتكون من سمنة مفرطة, ولكن ه قد يكون الحل النهائي في كثير من الحاالت. النتائج والمناقشة: تم اقت ارح نظام كشف آلي لألو ارم الدماغية باستخدام تقانات معالجة الصورة لصور الرنين المغناطيسي, حيث يبي ن الشكل )5( المخطط الصندوقي لنظام الكشف المقترح, والذي يتكو ن من الم ارحل اآلتية : الشكل )5( : مخطط صندوقي يوض ح م ارحل نظام الكشف اآللي لألو ارم الدماغية. 191

9 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 المرحلة األولى : يتم فيها تحسين الصورة لتصبح أكثر وضوحا وأسهل مقروئية, وذلك ألن صور الرنين الخارجة من جهاز الرنين المغناطيسي تحوي على نسبة عالية من الضجيج يجب إ ازلتها. المرحلة الثانية : هي مرحلة تجزئة الصورة, وهي المرحلة األدق واألصعب في البحث, وذلك بسبب التعقيد العالي الموجود في بعض ش ارئح الدماغ. المرحلة الثالثة : تعتمدهذه المرحلة على المعالجة الالحقة للصورة, حيث تقوم بعزل منطقة الورم في حال وجودها وتلوينها بلون مغاير ليتم تمييزها من قبل الطبيب. المرحلة األخيرة : وهي مرحلة تشكيل صورة ثالثية األبعاد ل أرس المريض, ليتمكن الطبيب من رؤية ال أرس من المساقط الثالثة وبعدة طرق, مع حساب حجم الورم في حال وجوده., بعد عملية تشكيل صور الرنين المغناطيسي من قبل جهاز الرنين نقوم بانتقاء ش ارئح الدماغ المحورية الناتجة ونحفظها على الحاسب المجاور من أجل إدخالها إلى النظام المقترح, إذ إن جهاز الرنين المغناطيسي الذي تعاملنا معه يقوم بتكوين عشرين شريحة محورية ل أرس المريض, وبالتالي سنقوم بتطبيق م ارحل النظام واحدة من على السابقة أكثر الش ارئح تعقيدا ولتكن الشريحة السابعة, كما يو ضح الشكل )6(. الشكل )6( : قاعدة بيانات خاصة بأحد المرضى. 1-4 المعالجة المبدئية:, هذه المرحلة هي واحدة من أهم الم ارحل في تحليل الصور الطبية وتشخيصها التقانات العديدة تساهم إذ لتحسين الصورة في زيادة نوعية الصورة ووضوحها, والذي يساعد بدوره في التشخيص الطب ي, فعمليات إ ازلة الغباشة والضجيج وعمليات زيادة التباين, وتعزيز التفاصيل ماهي إال أمثلة عن تحسين الصورة [1]. طب قنا في هذه المرحلة العديد من المرشحات التي توفرها بيئة الماتالب )فلتر وينر,Wiener Filter والفلتر الوسطي,Median Filter وفلتر البالسيان,Laplacian Filter وتقانات أخرى مثل : تسوية الهيستوغرام, وتعديل كثافة الصورة,)Image Adjustment ومن أكثر المرشحات التي أعطت نتيجة جيدة هو فلتر غابور Gabor 199

10 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم,Filter إذ إن الصورة الناتجة عن تطبيق هذا المرش ح قد ازداد تباينها وتعز زت تفاصيلها, كما يظهر في الشكل )7(.[12][11] الشكل )7( : 1- الصورة األصلية, 2- نتيجة تطبيق فلتر.Gabor 2-4 تجزئة الصورة: التجزئة segmentation تعني تقسيم الصورة إلى مناطق أو عناصر منتخبة, ففي الصور الطبية ثنائية البعد تؤدي التجزئة ا دور مهما في رؤية حجم العناصر المرغوبة وتقديره, وكشف األو ارم والخاليا المسرطنة, وفي الكثير من التطبيقات األخرى. الهدف من عملية التجزئة segmentation / هو تبسيط أو تغيير تمثيل الصورة إلى تمثيل آخر ذي معنى وأكثر سهولة للتحليل, فالتجزئة تستخدم بشكل أساسي لتحديد مكان العناصر والحدود في الصورة )خطوط ومنحنيات(, واذا تعمقنا أكثر بالتعريف فإن التجزئة هي عملية إسناد عنوان لكل بكسل في الصورة, وبالتالي فالبكسالت التي لها العنوان نفسه تتشارك في خصائص بصرية معينة[ 15][14 ]. بعد تجريب العديد من خوارزميات التجزئة Graph-cut( )K-Means, Region-Based, تميزت خوارزمية قطع الرسم البياني بإمكانية تحديد مساحة القطاع الم ارد اقتطاعه وتحديد عتبة القطع )درجة التجزئة(, وذلك قبل إج ارء عملية التجزئة, وبالتالي إعطاء نتيجة مرغوبة في معظم الحاالت, أما خوارزمية ال K-means فلم تتمكن من إعطاء النتيجة المرغوبة من عملية التجزئة, ألن العناقيد التي تتشك ل في الصورة ال يمكن ضبطها بشكل ثابت, وخاصة أن كل الش ارئح المحورية للدماغ يختلف بعضها عن بعض بحسب درجة العمق, أما خوارزمية Region-Based فهي تعتمد على اختيار مجموعة من البذور )النقاط(, تنمو بعدها هذه البذور لتضم نقاطا أن يكون مثال : كثافة البكسل, قوام المستوى الرمادي لمناطق الورم في صور الرنين في أغلب الش ارئح, كما أنها تستغرق وقتا أخرى مجاورة وفقا لمعيار محدد يمكن ولونه, ولكن لم تتمك ن هذه الخوارزمية من الفصل الصحيح طويال في عملية التجزئة, لذا تبي ن أن خوارزمية قطع الرسم البياني Graph-Cut هي األفضل, إذ تقوم هذه الخوارزمية بتقسيم شريحة ال أرس إلى عدة أقسام, فيتم أخذ القسم الذي يمث ل منطقة الدماغ أو المخ المحيط بالدماغ والعينين واألنف واألذنين, كما يوض ح الشكل )2(. ونستثني جميع األقسام األخرى التي تمث ل مناطق عظم الجمجمة 111

11 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 الشكل )8( : 1- الصورة بعد عملية المعالجة األولية, 2- نتيجة استخدام خوارزمية Graph-cutللتجزئة. نالحظ من الش ارئح المحورية العشرين للدماغ أن الش ارئح االثنتي عشرة األولى هي الش ارئح األكثر تعقيدا, وبالتالي يتم االعتماد في هذه الحالة على خوارزمية ال Graph-cut لتجزئتها, أما الش ارئح الثماني األخيرة فهي بسيطة وغير معقدة, حيث تتم تجزئتها باستخدام عمليات المورفولوجيا التي توفرها بيئة الماتالب, الجدول )( يبي ن أهم با ارمت ارت الدخل المثالية لتابع التجزئة Graph-cut ظهوره من عملية التجزئة)بالبكسل(, للش ارئح االثنتي عشرة األولى وهي : حجم القطاع األصغري الم ارد درجة التجزئةوهي القيمة األصغر للقطعmin-cut وعبرها تتم عملية فصل القطاعات عن بعضها بعض, وبتغيير قيم كل من هذه البا ارمت ارت نحصل على نتائج تجزئة مختلفة, أما زمن التجزئة فهو الزمن المستغرق للقيام بعملية التجزئة )بالدقائق(. الجدول )1( رقم الشريحة : بارامت ارت التجزئة من أجل إج ارء عملية التجزئة لش ارئح الدماغ الثنتي عشرة األولى. حجم القطاع 5 درجة التجزئة, زمن التجزئة,24,2,27,8,6,7,22,4,75,73,7,2,,5,5,8,3,5,,,,, نالحظ من الجدول )( أن قيم البا ارمت ارت السابقة تختلف من شريحة إلى أخرى, حيث سيزداد عدد القطاعات الناتجة من عملية التجزئة بإنقاص حجم القطاع وزيادة درجة التعتيب والعكس صحيح, لذا فالقيم السابقة تم اختيارها بعد إج ارء عدة محاوالت وتجريب عدة قيم للحصول على نتيجة التجزئة األفضل, والتي تعطي قطاع الدماغ فقط من دون إنقاص أو زيادة أي جزء آخر عليه, فلكل شريحة محورية مساحة محددة تقريبا وان اختلف المريض, لذلك نقوم بتحديد 111

12 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم قيمة تلك المساحة من أجل كل شريحة محورية, وفي حاالت نادرة تظهر هنالك أخطاء في ناتج التجزئة, تتمث ل في ظهور مناطق عظمية أو أج ازء غير مرغوبة تحيط بمنطقة الدماغ. للتخل ص من تلك المناطق نطب ق سلسلة من عمليات المورفولوجيا على صورة التجزئة الناتجة, تقوم هذه العمليات بإ ازلة المناطق غير المرغوبة والمحيطة بمنطقة الدماغ, من دون التأثير على منطقة الورم في حال وجوده, كما يظهر في الشكل )9(. الشكل )9( : 1- الصورة الناتجة عن التجزئة, 2- ناتج تطبيق عمليات المورفولوجيا على الصورة )9(-1. ال. بعد حصولنا على منطقة الدماغ فقط من صورة الرنين المغناطيسي يجب علينا تبيان فيما إذا كان هناك ورم أم والستئصال منطقة الورم من هذه الصورة سنستعمل خوارزمية ال,Watershed حيث سنحصل على صورة زرقاء فقط في حال عدم وجود ورم, أما في حال وجود ورم فستقوم هذه الخوارزمية بإعطاء منطقة الورم لونا في الصورة الناتجة بشكل واضح, كما يبي ن الشكل )(. ليظهر ا مغاير الشكل )11( : 1- عزل منطقة الورم في الصورة المجزأة, 2- استخدام تقانة ال Watershed لستخالص منطقة الورم. ناتج عملية التجزئة هو مجموعة من القطاعات التي تشك ل مجتمعة الصورة الداخلية, أو تكون مجموعة من حدود العناصر والمكونات المستخلصة من الصورة ( كشف الحواف (, وبالتالي فإن كل البكسالت في منطقة ما تتشابه فيما بينها بخاصية ما ( لون, كثافة, قوام.. (, لكن البكسالت الموجودة في المناطق المجاورة لهذه المنطقة ستختلف وبشكل ملحوظ عن بكسالت هذه المنطقة بالخاصية المدروسة نفسها. تم حساب معد ل نجاح النظام في المرحلة األصعب, وهي مرحلة التجزئة نظ ار للتعقيد المرتفع الموجود في صور الرنين المغناطيسي, لذا تم الحصول على معد ل نجاح النظام بعد تطبيق خوارزمية التجزئة " مستجمعات المياه "Watershed والمستخدمة القتطاع منطقة الورم من صور الدماغ, وتمكنت تلك الخوارزمية من تجزئة 97 صورة بشكل صحيح من أصل مئة صورة, لذا يمكننا القول إن معد ل نجاح النظام هو 97%. 111

13 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( المعالجة الالحقة: يتم في هذه المرحلة االعتماد على خوارزميات تتعامل مع الصور الناتجة من المرحلة السابقة, والتي تتضم ن مرحلة المعالجة الالحقة للصور المجز أة, ويتم في هذه المرحلة عزل منطقة الورم إن وجدت أو تحديدها واظهارها بشكل أوضح ألخصائي األشعة [2][19]. نالحظ من الشكل )( نتيجة إحدى الطرق المستخدمة إلظهار اإلطار الخارجي ل أرس المريض مع منطقة الورم في حال وجوده, وذلك باستعمال خوارزمية التعتيب للحصول على الصور الثنائية لكل منهما, وهذا ما يعطي الطبيب فكرة أوضح عن حجم الورم في هذه الشريحة وموقعه. الشكل )11( : 1- صورة ثنائية لمنطقة الورم, 2- صورة ثنائية ل أرس المريض 3- ت اركب الصورتين مع استخدام لخوارزمية ال.Watershed أما الشكل )8( فيوض ح طريقة أخرى لمعالجة الصور الناتجة عن مرحلة التجزئة, إذ يقوم بأخذ صورة الورم الناتجة عن تطبيق خوارزمية ال,Watershed ويقوم بم اركبة هذه الصورة فوق صورة الشريحة األصلية المحس نة للدماغ إلعطاء النتيجة التي يظهر فيها الورم بحال وجوده بلون مغاير وبشكل أوضح [17]. الشكل )12( : 1- الصورة األصلية مع صورة الورم الناتجة عن تطبيق ال, Watershed 2- ت اركب الصورتين. 4-4 كشف الورم وتمثيل ال أرس باألبعاد الثالثة: طريقة عرض النتيجة النهائية مهمة جد ا, وذلك ألن أخصائي األشعة في هذه المرحلة سيقوم باتخاذ ق ارره فيما إذا كان هناك ورم دماغي في تلك الصور أم ال, لذا يجب أن يتمكن الطبيب من رؤية صور الرنين المغناطيسي لدماغ المريض من زوايا مختلفة وبمناظير متعددة حتى يتمكن من كشف الورم إن وجد. 115

14 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم الشكل )13( : مناظير مختلفة لتمثيل أرس المريض بالمساقط الثالثة. تساعد الماتالب بيئة المحورية للدماغ بعضها فوق في بعض, عملية تشكيل الشكل )3( مجس م ل أرس المريض بأبعاده الثالثة [ 21 ],عن طريق يبي ن مجس م ثالثي األبعاد ل أرس المريض, أما الشكل )4( منطقة الدماغ فقط مع إمكانية تحريك ثالث ش ارئح موازية للمستويات الثالثة.X,Y,Z ت اركب الشر ائح فيظهر الشكل )14( : مناظير مختلفة لتمثيل دماغ المريض وفقا للمحاور الثالثة مع إمكانية رؤية محتوى الدماغ من الداخل. 5-4 تحديد حجم ومكان الورم: بعد حصولنا على منطقة الدماغ فقط للش ارئح العشرين يمكن حساب مساحة الدماغ في كل شريحة )بالبكسل(, و بالطريقة نفسها يتم حساب مساحة الورم للش ارئح الحاوية على ورم, والتي ظهرت معنا بعد تطبيق خوارزمية watershed.يعطي الجدول ) 8 (مساحة كل من الدماغ والورم لجميع الش ارئح المدروسة. 111

15 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 رقم الشريحة الجدول) 2 ( : كيفية حساب حجم الورم. مساحة الدماغ )بالبكسل( مساحة الورم )بالبكسل( صورة القطاع المدروس

16 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم قيمة 5 من الجدول السابق يمكننا حساب حجم الورم, إذ إن حجم الدماغ البشري 3 سم, وبالتالي يتم احتساب حجم الورم من المعادلة اآلتية: تقريبا ويأخذ يعد ثابتا لإلنسان البالغ tumorsize (pixels) *brain size (cc) =brain size (pixels) *tumor size (cc) (8) لذا يتم حساب حجم الدماغ الكلي, و حجم الورم الكل ي بالبكسل, وبهذا يكون حجم الورم بالسنتيمتر المكعب هو : )1511*1171( / =6,32 cc أما الشكل )5( فهو يمث ل طريقة أخرى لعرض أرس المريض بشكل ثالثي أبعاد, حيث الورم بدقة داخل ال أرس, عن طريق تشكيل غالف شفاف لكل من ال أرس والورم. يتم هنا إظهار مكان الشكل )15( : مناظير مختلفة لتمثيل أرس المريض مع الورم بشكل ثالثي أبعاد. وبذلك يتمك ن الطبيب من معرفة حجم الورم ومدى انتشاره في دماغ المريض وموقعه, وتلك معلومات مهمة جد ا في حال اتخذ الطبيب ق ارر استئصال هذا الورم بالعمل الج ارحي. الستنتاجات والتوصيات: تم اقت ارح طريقة جديدة الكتشاف األو ارم الدماغية في صور الرنين المغناطيسي, إذ تم استخدام عدة تقانات لمعالجة الصورة, وذلك بسبب التعقيد الموجود في تلك الصور وصعوبة استخالص المنطقة المرغوبة منها, كما تم احتساب حجم الورم في أرس المريض, وكذلك تم االعتماد على أكثر من مجس م ثالثي األبعاد لتمثيل ال أرس, والمنحنيات البيانية اآلتية توض ح أداء تقانات التجزئة المستخدمة في هذه الد ارسة, وتبي ن استحالة استخدام تقانة تجزئة واحدة للحصول على النتيجة المرغوبة. الشكل )16( : منحني بياني يوض ح مستوى أداء خوارزميات التجزئة مقارنة مع تدر ج تعقيد ش ارئح الدماغ. 116

17 Tishreen University Journal. Eng. Sciences Series مجلة جامعة تشرين العلوم الهندسية المجلد )53( العدد )6( 1115 Graph-cut )6( الشكل من نالحظ فكما ال خوارزمية أن الش ارئح أجل من مرتفع بأداء تتمي ز المحورية األولى للدماغ, والتي تتسم بدرجة تعقيدها المرتفعة, أما خوارزمية ال Watershed فهي تحافظ تقريبا على مستوى واحد من األداء لجميع الش ارئح العشرين, في حين أن خوارزميات التعتيب والمورفولوجيا يرتفع أداؤها مع الش ارئح األخيرة, تجزئتها وسهولة الش ارئح تلك لبساطة وذلك وانخفاض تجزئتها إلى حاجة ال لذا تعقيدها, باستخدام الرسم قطع خوارزمية البياني, والتي تستغرق وقتا أطول نسبيا للحصول على ناتج عملية التجزئة. العمل وبما أن التعامل مع عدة خوارزميات يزيد من زمن الوصول مستقبال على استعمال خوارزمية تجزئة واحدة فقط تكون قادرة إلى الكشف النهائي لألو ارم الدماغية, لذا سيكون على استخالص المنطقة المرغوبة بشكل آلي ومن دون مساعدة الطبيب. الم ارجع : [1]DEBASHIS GANGULY, SRABONTI CHAKRABORTY, TAIHOON KIM, "A Cognitive Study on Medical Imaging", Hannam University, Vol. 2, No. 3, September, 21. [2] DOUGLAS C. NOLL, "A Primer on MRI and Functional MRI", Departments of Biomedical Engineering and Radiology University of Michigan, version 2.1, 21. [3]John E. Desmond and Kelvin O. Lim, "On- and Offline Talairach Registration for Structural and Functional MRI Studies", Department of Psychology, Stanford University, Stanford, California, [4] PROF GLYN HUMPHREYS, "MRI INFORMATION SHEET FOR RESEARCH VOLUNTEERS", BIRMINGHAM UNIVERSITY IMAGING CENTRE, v2., 25. [5] HONGMEI ZHU, "Medical Image Processing Overview", University of Calgary, 23. [6] MOHD ARIFFANAN BIN MOHD BASRI, "MEDICAL IMAGE CLASSIFICATION AND SYMPTOMS DETECTION USING NEURO FUZZY", Faculty of Electrical Engineering University Technology Malaysia, 28. [7] SAJEDAH EMHADI AlTARAWNEH, "Lung Cancer Detection Using Image Processing Techniques", Mutah University, 21/211. [8] MOHAMMAD SHAJIB KHADEM, "MRI Brain image segmentation using graph cuts" CHALMERS UNIVERSITY OF TECHNOLOGY Göteborg, Sweden, Oct., 21. [9]Michael J. Schlosser,Nobuhisa Aoyagi,Robert K. Fulbright, John C. Gore, and Gregory McCarthy, "Functional MRI Studies of Auditory Comprehension", Human Brain Mapping 6:1 13(1998). [1]S Vishukumar K. Patel and PavanShrivastava, "Implementation of Medical Image Enhancement Technique using Gabor Filter", International Journal of Current Engineering and Technology, Vol.2, No.2 (June 212). [11]LilikAnifah, Ketut Eddy Purnama, Moch. Hariadi, and MauridhiHeryPurnomo, "Automatic Segmentation of Impaired Joint Space Area for Osteoarthritis Knee on X-ray Image using Gabor Filter Based Morphology Process", IPTEK, The Journal for Technology and Science, Vol. 22, No. 3, August 211. [12]M. Ganesh, V. Palanisamy, "An Efficient Segmentation Technique for Mri Medical Images ", International Journal of Innovative Technology and Exploring Engineering (IJITEE) ISSN: , Volume-1, Issue-5, October

18 "تحديد حجم الورم ومكانه في صور الرنين المغناطيس آليا باستخدام تقانات معالجة الصورة" ساعي قريطم [13]Rajiv Tawde, C.S. Rawat, "Graph Cuts Based Phase Unwrapping", International Journal of Scientific & Engineering Research, Volume 3, Issue 9, September-212. [14] SHAN SHEN, WILLIAM SANDHAM, "MRI Fuzzy Segmentation of Brain Tissue Using Neighborhood Attraction with Neural-Network Optimization", IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE, VOL. 9, SEPTEMBER 25. [15]Paresh Chandra Barman, Md. SiponMiah, Bikash Chandra Singh and Mst. TitasaKhatun, "MRI IMAGE SEGMENTATION USING LEVEL SET METHOD AND IMPLEMENT AN MEDICAL DIAGNOSIS SYSTEM", Computer Science & Engineering: An International Journal (CSEIJ), Vol.1, No.5, December 211. [16]M. STELLA ATKINS and BLAIR T. MACKIEWICH, "Fully Automatic Segmentation of the Brain in MRI", IEEE TRANSACTIONS ON MEDICAL IMAGING, VOL. 17, FEBRUARY [17] K.SELVANAYAKI, Dr. M. KARNAN, "CAD System for Automatic Detection of Brain Tumor through Magnetic Resonance Image-A Review", International Journal of Engineering Science and Technology, Vol. 2(1), 21. [18] SAIF D. SALMAN & AHMED A. BAHRANI, "Segmentation of tumor tissue in gray medical images using watershed transformation method", Al-Khwarizmi College of Engineering, Baghdad University, Volume 2, Number 4, October 21. [19]DibyenduGoshal, PinakiPratimAcharjya, "MRI Image Segmentation Using Watershed Transform", International Journal of Emerging Technology and Advanced Engineering (ISSN , Volume 2, Issue 4, April 212). [2]Prof. Ing. Ales Proch azka, CSc, "BIOMEDICAL SIGNAL AND IMAGE PROCESSING", Institute of Chemical Technology, Prague Department of Computing and Control Engineering, Vol. 2, July 25. [21]DuškaKleut, MiloradJovanovi and prof. drbranimirreljin, "3D Visualisation of MRI images using MATLABJOURNAL OF AUTOMATIC CONTROL, UNIVERSITY OF BELGRADE, VOL. 16:1-3, 26. [22] Dr. HB KEKRE, Dr.TANUJA SARODE, SAYLEE GHARGE, and Ms. KAVITA RAUT, " Image Segmentation of MRI Images using KMCG and KFCG Algorithm ", 2nd International Conference and workshop on Emerging Trends in Technology (ICWET)