ارائه يك روش جديد مبتني بر الگوريتم k-means براي تشخيص MRI پلاكها و ضايعات بيماري ام اس در تصاوير

به دليل دقت بالا درتشخيص بافت هاي نرم و نمايش تمايز بافت هاي طبيعي از غير طبيعي جزء ابزارهاي مهم در MRI تصويربرداري MS عرصه ي تشخيص انواع بيماري ها به خصوص بيماري هاي مغزي مي باشد. امروزه از جمله شايع ترين بيماري ها مي توان به بيماري را MS بسيار حساس مي باشد و توانايي آن را دارد كه ضايعات MS نشان داده است كه نسبت به بيماري MRI اشاره نمود.تصوير برداري نسبت به بافت هاي محيطي خود با شدت متفاوتي نشان دهد. تعداد و حجم ضايعه براي ارزيابي ميزان بيماري استفاده مي شود تا MS پيشرفت بيماري را رد گيري كند و همچنين تاثير داروهاي جديد بر فرد بيمار را بررسي كنند.صحت شناسايي و تشخيص ضايعات به شدت دشوار است و انجام تقسيم بندي به صورت ذهني بسيار پر خطا مي باشد.يك جايگزين جذاب و دقيق براي MR در تصاوير تقسيم بندي دستي ، تقسيم بندي كامپيوتري مي باشد كه مي تواند با دقت بيشتري و در مدت زمان كمتري اين كار را براي پزشك انجام K-means بر اساس الگوريتم MRI در MS دهد. در اين مقاله يك خوشه بندي ضايعات بهبود يافته، براي تشخيص دقيق تر ضايعات به راحتي قابل انجام خواهد بود . نتايج ازنظرحساسيت به MS ارائه داده شده است.با اين كار ،براي پزشكان متخصص ،جداسازي ضايعات ميزان 96.8 درصد، دقت 99.1 درصدو اختصاصي بودن 100 درصد قابل اتكا بوده و قابليت استفاده در بيمارستان ها،كلينيك ه ا و مراكز درماني را دارد. MS