تحسين تجزئة صور الكلى باستخدام خوارزمية K-means الهجينة وشبكة CNN

الملخص

تهدف هذه الدراسة الى بيان اطار عمل يتكون من مرحلتين يجمع بين خوارزميات الذكاء الاصطناعي منها خوارزمية K-means التي توفر الكفاءة  وشبكة عصبية التفافية خفيفة وهي خوارزمية (CNN)  التي توفر الدقة العالية من أجل تحقيق تجزئة دقيقة لِصور الكلى الماخوذة بجهاز السونار وللحصول على بيانات اكثر دقة.حيث ان عملية تجزئة الصورة هي عملية اساسية  لتحليل الصور وللحصول على معلومات ادق هي من افضل الطرق المستخدمة في معالجة الصورة . تقوم خوارزمية K-means بإنتاج قناع أوّلي وهو (تقسيم أولي للصورة)، ثم تتولى بعد ذلك خوارزمية الـCNN وهي شبكة عصبية لتحسين هذا القناع لاستعادة الحدود الدقيقة للكائنات داخل صور الكلى وذلك لتحديد الحواف الخاصة بالصورة وعدم فقدان الملامح الخاصة بها وتحديد المكان المراد تشخيصه. أظهرت النتائج التي اجريت على صور السونار المستخدمة على مجموعتي البيانات BSD500 و PASCAL VOC 2012 تحسّنًا واضحًا مقارنةً باستخدام K-means وحدها حيث ان خوارزمية CNN اثبتت جدارة في الحصول على بيانات اكثر دقة وَ وضوح، و تحقيق أداء منافس لأحدث الطرق المعتمدة على التعلّم العميق، مع الحفاظ على سرعة تنفيذ آنية (Real-time) في الوقت ذاته.