International Science and Technology Journal
Published by
Under supervision of
Open Access Journal
ISSN: 2519-9854 (Online)
ISSN: 2519-9846 (Print)
A peer-reviewed and open access journal concerned with publishing researches and studies in the field of applied sciences and engineering
Brain Tumor Detection in Real MRI Images Based on Otsu and K-means Cluster Algorithms
| Researcher(s): | - Nesreen Mansor Elmontaser
- Ahmed Mohamed Abushaala
|
|---|
| Institution: | University of Misurata
Libyan Academy, Misurata |
|---|
| Field: | علوم الحاسوب و النظم الخبيرة وتقنية المعلومات |
|---|
| Published in: | Special volume - February 2022: SCITCS1 |
|---|
الملخص
الملخص
في هذه الورقة قمنا بتصميم وتنفيذ منهجية للكشف واستخراج الكتلة المصابة بورم الدماغ (اما ورم حميد او خبيث) من صور الرنين المغناطيسي MRI باستخدام برنامج الماتلاب. هذه الصور تم جمعها من المركز القومي للأورام ومستشفى مصراته المركزي والبالغ عددها (50) صورة، 35 صورة لورم الدماغ نوع (خبيث) و15 صورة (ورم دماغ حميد). جميع صور الرنين المغناطيسي كانت من النوع (T2 weighted). تمت معالجة الصورة المدخلة وهي من النوع الرمادي وذلك بتغيير حجمها لتصبح 200*200 بكسل من دون أن يؤثر هذا الاجراء على جودة الصورة. وكذلك استخدمت تقنية التقطيع لاستخراج الكتلة المصابة من الصورة وعزلها عن باقي الخلايا السليمة وذلك بدمج خوارزميتي OTSU لتحويل الصورة للنظام الثنائي وخوارزمية K-means cluster لتجزئة الصورة إلى ثلاثة أجزاء، حيث أعطت هاتان الخوارزميتان نتائج دقيقة وممتازة في عملية الكشف عن المنطقة المصابة بلغت 100%.
Abstract
In this paper, we designed and implemented a methodology to detect the mass affected by brain tumor for Magnetic Resonance Images (MRI) using MatLab program as a tool. These MRI images were collected from National Cancer Center (NCC) and Misurata Central Hospital (MCH), the total number of images used for testing stage are 50 images. All MRI images were the type of T2 weighted. The input image has been processed, which is of gray type, by changing its size to become 200*200 pixels without affecting on the image quality. Also the segmentation technique was used to extract the infected area from the image and isolate it from the rest of the healthy tissues by integrating two algorithms, Otsu algorithm to transform the image into the binary system and K-means cluster algorithm to split the image into three parts, these two algorithms gave accurate and excellent results in the detection. The accuracy rate in the detection process has reached 100% where the output image represents exactly the tumor cells that were pointed from the healthy cells.