چکيده— در این مقاله، یک روش خوشه بندی اتوماتیک تصاویر CT کبد براساس یک الگوریتم فرا ابتکاری تکاملی که الگوریتم بهینه سازی علف هرز مهاجم نام دارد؛ ارائه می شود؛ بدون اینکه از قبل در خصوص گروه هایی که به صورت طبیعی در تصویر ایجاد می شوند؛ اطلاعاتی در دسترس باشد. تابع برازش (شایستگی) مورد استفاده در الگوریتم ژنتیک، تابع هدف k-means می باشد که برای جستجوی خوشه فشرده و هموار سازی شده مورد استفاده می باشد. با توجه به نتایج تجربی، انتظار می رود الگوریتم بهینه سازی علف هرز مهاجم، بتواند به عنوان یک روش فرا ابتکاری موثر و کارآمد برای حل مسائل بهینه سازی چند منظوره در کاربردهای تشخیص بیماری به کمک کامپیوتر، مطرح می شود.
کلمات کليدي- الگوریتم بهینه سازی علف هرز مهاجم، تصاویر CT کبد، خوشه بندی، تصویر برداری پزشکی

Abstract:  In this paper, an automated liver CT image clustering approach based on evolutionary metaheuristic algorithm called invasive weed optimization is presented without any prior information about the number of naturally occurring groups in the images. The fitness function used in the genetic algorithm is K-means objective function for searching of the smoothed compact cluster. The experimental results suggest that invasive weed optimization holds immense promise to appear as an efficient metaheuristic for multi-objective optimization in computer aided diagnosis applications.
Keywords- Invasive Weed Optimization, CT liver images, clustering, medical imaging