اندازه ‌گيري ضرايب همبستگي بين ويژگي ‌هاي استخراج ‌شده از تصاوير سي ‌تي ‌اسكن و ام آر آي

Measurement of the correlation coefficients between extracted features from CT-scan and MRI images

زمينه و هدف: امروزه استفاده از كامپيوتر در پردازش تصوير براي حل كاستي‌هاي تصاوير پزشكي به‌سرعت در حال افزايش است. در پردازش تصوير ويژگي‌هاي تصوير آناليز مي‌شوند. ويژگي‌هاي تصوير معرف خود تصوير و شامل اطلاعات تصوير مي‌باشند. هدف از مطالعه حاضر بررسي همبستگي بين ويژگي‌هاي تصاوير سي‌تي‌اسكن و ام آر آي مي‌باشد. روش بررسي: در اين مطالعه توصيفي- تحليلي از اطلاعات 1458 تصوير سي تي و ام آر 6 بيمار (3 زن و 3 مرد) مراجعه‌كننده به بيمارستان گلستان اهواز استفاده شد. بعد از جمع‌آوري تصاوير، پيش‌پردازش و استخراج ويژگي تصاوير انجام شد. سپس ويژگي‌هاي تصاوير استخراج‌شده آناليز و همبستگي بين آن‌ها اندازه‌گيري شد. در مطالعه حاضر همبستگي از نوع توصيفي بود و به دليل كمي بودن مشاهدات از ضريب همبستگي پيرسون استفاده شد. يافته‌ها: بين بيشتر ويژگي‌هاي استخراج‌شده از تصاوير سي‌تي و ام آر (از نوع T1) يك رابطه معني دار وجود داشت (0/05>P). همبستگي بين ويژگي‌هاي تصاوير سي‌تي و ام آر (از نوع T1) بيشتر از همبستگي بين ويژگي‌هاي تصاوير سي‌تي‌اسكن و ام آر (از نوع T2) بود. همچنين اين همبستگي بيشتر از همبستگي بين تصاوير ام آر (از نوع T1) و ام آر (از نوع T2) بود. حداكثر ضريب همبستگي (0/93) مربوط به ويژگي‌هاي بافت و حداقل آن (0/004) مربوط به ويژگي‌هاي مورفولوژيكي مي‌باشد. نتيجه‌گيري: نتايج اين مطالعه نشان داد كه رابطه معني داري بين ويژگي‌هاي تصاوير سي‌تي‌اسكن و ام آر آي وجود دارد كه مي‌توان در مواردي مانند طبقه‌بندي و قطعه‌بندي از الگوريتم‌هاي مشابه استفاده كرد.

Background and aims: Nowadays applying computer in image processing is rapidly increasing to resolve shortcomings of medical images. Image features modify its image contained image information. The aim of the present study was to find correlation between CT-scan and MRI images' features. Methods: In this descriptive study, it was used 1458 CT and MRI images of 6 patients (3 females and 3 males) referred to Golestan Hospital in Ahwaz, Iran. After collecting image, pre-processing and feature extract were performed. Then, the images' features were analyzed and correlation coefficients were calculated using Pearson correlation. Results: There was significant relation between most of the extracted features of the CT-scan and the MR (T1-weighted) images (P<0.05). The correlation coefficient between CT-scan images and MR (T1-weighted) images was higher than those of CT-scan images and MRI (T2-weighted). Furthermore, the correlation coefficient between CT-scan images and MRI (T1-weighted) images was higher than those between MR (T1-weighted) and MR (T2-weighted) features' images. Maximum value of the correlation coefficient (0.93) was related to the texture features and its minimum (0.004) was related to the morphological features. Conclusion: The results of this study revealed that there is a significant relationship between extracted features of CT-scan and MRI images, which leads to use a similar algorithm for classification and segmentation studies.