ارزیابی بلوغ اسکلتی با الگوریتم TW3 فازی در متلب به همراه داکیومنت

پروژه ارزیابی بلوغ اسکلتی با الگوریتم TW3 فازی در MATLAB

پیاده سازی مقاله computational TW3 classifier for skeletal maturity assessment. A Computing with Words approach

در این پست پروژه ارزیابی بلوغ اسکلتی با الگوریتم TW3 فازی را در محیط متلب با عنوان مقاله ذکر شده در بالا به همراه داکیومنت جامع که شامل توضیحات روش استفاده شده و مراحل انجام پروژه و همچنین توضیح کد های نوشته شده همراه با نحوه اجرای پروژه می باشد. در ادامه به توضیحات این پروژه که در زمینه پردازش تصویر ، بینایی ماشین و هوش مصنوعی نیز مناسب است، می پردازیم و فیلم اجرای آن را نیز می توانید مشاهده نمائید. مقاله اصلی هم به صورت رایگان قابل دانلود است.

در این مقاله با استفاده از یک روش فازی مبتنی بر الگوریتم طبقه بندی TW3 روشی برای تخمین سن استخوانی ارائه شده است. طبقه کننده مورد استفاده در این مقاله از روش اصلاح شده fuzzy ID3 decision tree استفاده می کند. از آنجایی که این روش از الگوریتم TW3 بهره می برد، به مجموعه داده با ابعاد بزرگ جهت آموزش برای طبقه بندی نیازمند نمی باشد.

ارزیابی سن استخوان یک روش کارآمد در رادیولوژی کودکان می باشد که در بیماری سندرم  و بسیاری از دیگر بیماری ها موثر است. با توجه به اینکه خانم ها در همه ی سنین از آقایان از جهت رشد و تکامل استخوانی پیشرفته می باشند، به همین دلیل برای هر کدام، استاندارد های جداگانه ای نیاز است. از این رو رادیوگرافی دست و مچ دست بهترین شاخصی می باشد که سن استخوانی را نشان می دهد. دو روش Tanner-Whitehouse (TW3) و Greulich-Pyle (GP) از معروف ترین روش های است که به منظور تعیین سن استخوانی مورد استفاده قرار می گیرند. توضیحات بیشتر، دانلود رایگان مقاله اصلی و فیلم اجرای پروژه ارزیابی بلوغ اسکلتی با الگوریتم TW3 فازی در ادامه مطلب.

روش ارائه شده در پروژه ارزیابی بلوغ اسکلتی با الگوریتم TW3 فازی :

در این پروژه ابتدا مشخصه های استخوانی از تصاویر رادیوگرافی استخراج شده و این مشخصه ها طبقه بندی می شوند.

مراحل روش در پروژه ارزیابی بلوغ اسکلتی با الگوریتم TW3 :

• پیش پردازش تصویر ورودی از نظر چرخش، طبقه بندی، افزایش کنتراست و غیره

• بخش بندی تصویر

• استخراج ویژگی های تصویر

• طبقه بندی ویژگی های استخراج شده به کمک classifier

• تخمین سن استخوانی با به وسیله نتایج مرحله چهارم

شماتیک روش ارائه شده در پروژه ارزیابی بلوغ اسکلتی با الگوریتم TW3 :

الگوریتم TW3 یکی از معروف ترین از الگوریتم های تعیین سن استخوانی می باشد. کارایی مطلوب الگوریتم TW3 به حجم زیادی از مجموعه داده های آموزشی وابسته است. با ترکیب الگوریتم TW3 با روش طبقه بندی فازی می تواند به نتایج مناسبی رسید. زیرا در به کار گیری روش فازی ، به مجموعه داده های آموزشی زیادی نیاز نمی باشد. برای مثال، در پروژه 85 عکس رادیوگرافی دختران و 57 عکس رادیوگرافی کودکان استفاده شده است.

در شکل زیر سیستم کلاس بندی مورد استفاده در سیستم فازی نشان داده شده است.

روش TW3 مجموعه ای از قوانین است که با استفاده از زبان طبیعی نحوه تکامل استخوان را با استفاده از آن می توان مشخص کرد. به عنوان مثال در شکل زیر نحوه تکامل استخوان قابل مشاهده است.

در روش TW3 مراحل بلوغ هر استخوان با استفاده از اظهارات زبانی مشخص می شود. این مراحل می تواند با استفاده از metaphysis و epiphysis مشخص شود که در آن اندازه، شعاع و سایر پارامتر ها با یکدیگر مقایسه می شوند. نمونه ای از این پارامتر ها در جدول زیر نشان داده شده است.

حال ویژگی های ذکر شده در فوق باید به نحوی با استفاده از یک مدل کامپیوتری مدل سازی شوند. روش مدل سازی این مشخصه های زبانی، تبدیل آنها به یک سری معادل های رقومی با استفاده از گرانول های فازی است. به عنوان مثال در Epiphysis متغیر زبانی با استفاده از گرانول های فازی Absent, Small, Separated, Capping و Fusion معرفی شده است. میزان اورلپ این پارامتر ها مقدار متغیر را مشخص می کند. این متغیر در شکل زیر نشان داده شده است.

در شکل زیر سایر مشخصه های بکار رفته در متغیرهای  Shape، Diameters و Surface نشان داده شده است.

حال با استفاده از داده های آموزشی می توان درخت تصمیم گیری فازی را برای مشخصه های استخراج شده بدست آورد. به عنوان مثال در شکل زیر درخت تصمیم استخراج شده برای مشخصه radius نشان داده شده است.

توضیح کد های نوشته شده همراه با نحوه اجرا، به همراه پروژه ارائه می گردد.