Region Segmentation from MR Brain Image Using an Ant Colony Optimization Algorithm

In this paper, we propose the regions segmentation method of the white matter and the gray matter for brain MR image by using the ant colony optimization algorithm. Ant Colony Optimization (ACO) is a new meta heuristics algorithm to solve hard combinatorial optimization problem. This algorithm finds the expected pixel for image as the real ant finds the food from nest to food source. Then ants deposit pheromone on the pixels, and the pheromone will affect the motion of next ants. At each iteration step, ants will change their positions in the image according to the transition rule. Finally, we can obtain the segmentation results through analyzing the pheromone distribution in the image. We compared the proposed method with other threshold methods, viz. the Otsu' method, the genetic algorithm, the fuzzy method, and the original ant colony optimization algorithm. From comparison results, the proposed method is more exact than other threshold methods for the segmentation of specific region structures in MR brain image.

개미 군집 최적화 알고리즘을 이용한 뇌 자기공명 영상의 영역분할

논문에서는 개미 군집 최적화 알고리즘을 이용하여 뇌 자기공명 영상의 백질 및 회백질 영역을 분할하는 방법을 제안한다. 확률적 조합 최적화에 적합한 알고리즘으로 알려진 개미 군집 최적화 알고리즘은 실제 개미들이 집에서 먹이를 찾아가는 동안의 방법을 기억하는 습성을 적용한 것이다. 논문에서 제안하는 방법은 개미가 먹이를 찾아가는 동안의 방법을 기억하는 습성처럼 영상에서 원하는 픽셀을 찾아갈 수 있다는 것이다. 원하는 픽셀을 찾은 개미들은 페로몬을 픽셀에 축적하게 되는데 이 페로몬은 이후에 지나가는 개미들이 다음 경로를 선택할 때 영향을 준다. 그리고 각각의 반복단계에서 상태전이 법칙에 따라 영상의 위치를 바꿔가면서 최종 목적지에 도달하게 되며, 마지막으로 페로몬 분포의 분석을 통해 영상에서 분할 된 결과를 얻는다. 제안한 알고리즘을 기존의 임계치 기반의 분할 알고리즘인 Otsu 방법, 메타휴리스틱 계열의 대표적인 방법인 유전자알고리즘, 퍼지방법, 원래의 개미 군집 최적화 알고리즘등과 비교하였다. 비교 실험을 통해 제안한 방법이 뇌의 특정 영역을 더 정확하게 분할함을 알 수 있었다.