Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   1 4 ,  No.   1 ,  A pr il   201 9 , p p.  471 ~ 477   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 4 .i 1 .pp 471 - 477          471       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   A symmetry b ased an om aly det ection in b ra in u sin g cellula r  automat a for  comp uter aided di ag n osis       Nisha V  M, L  Jegana than   School  of  Com p uti ng  Sci ences and E ngin ee ring ,   Vell ore   Instit u te  of  Technol og y ,   Chenna i ,   Ind ia       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   A ug   1 4 , 201 8   Re vised  N ov   10, 2 018   Accepte d  J an   23 , 2 01 9     Com pute r  ai ded   dia gnosis  (CAD )  is  an  adva n ci ng  technolog y  in  m edi cal   imaging.   CAD   a ct s  as  an  addi t io nal   computing  p ower  for  doct ors   to  interpre t  the   m edica l   im age s  which   l eads   to  a   m ore   ac cur ate  di agno sis  of  the  disea se. CAD   s ystem  inc re ase s  t he  ch anc es  of   d et e ct ion   of  bra in   le sions  b y   assisting  the   ph y sici ans  in  dec r eas ing  the   observa ti onal   ov ersight   in  the   ear l y   stage   of  disea s es. Thi s  pap er  foc uses  on  the   deve lopment  of   a  ce ll u lar   aut om at a  base d   m odel   to  fin d  the   anomal y   prone   are as  in  hum an   bra ins.Beca use   o f  the   b ilate r al   s ym m et ric   nat ur e  of  hum an  bra in ,   a  s y m m etr y   base d  c el lu la r   a utomata   m odel  i s  proposed. An  a lgori thm  is  d esigne d  base d   on  the   proposed   m odel   to  de tect   the   anomal y   pr one  ar ea s  in  br a in  images.  The   proposed  m odel   c an  be  a  sta ndal one  m odel   o r  it   c an  be  inc or pora te d  to  a   sophistic ated  co m pute r  ai ded  di agnosis  sy st em.  B y   inc orpor at in g  as y m m et r y   informati on  into  a  computer   ai ded  dia gno sis  sy stem,  en hanc es  it s   per form anc e  in  ide nti f y i ng  the   anomali es  exi sts   in  bil at er al l y   s y m m et r ical  bra in im age s.   Ke yw or d s :   Anom al y   Brai n  im ages   Ce ll ular  aut oma ta   Com pu te r  ai de d diag nosis   Sy m m e try   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed .   Corres pond in g  Aut h or :   Nish a  V  M ,    School  of Com pu ti ng  Scie nce s and E nginee r ing ,   Vell or e  Insti tute o f  Tec hnolog y,   Vandalu r -   Kel a m bak kam  Ro ad,  C he nn ai -   6001 27, In dia .   Em a il :  nish av m @v it .ac.in       1.   INTROD U CTION     Me dical   i m ages  play   a  key  r ol e  in  detect io n  and   dia gnos is  of   va rio us   diseases.   Adva nces   in  m edical  i m age  te chn iq ues  ha vef aci li ta te d  to  i m pr ov e  accurate  diag no sis .  Acc ur at e  detect ion   of  abno rm aliti es   i n  br ai n  is  ver y  com plex  ta sk .  Seve ral   researc hes  ha ve  car ried  ou t  i n  this  area .  Th e  nu m erous  res earches  over  t he   la st   few   deca des  in  analy sin g  m edical   i m ag es  de velo ped  auto m at ed  te chn i qu e s  [ 1]  for  dia gnos i s.   Th e   perform ance  of   the  tradit io na l  autom at ed  com pu te r  diagno sis  syst e m   is  trivia l  becau se  it   has  it s  own  ba rr ie r   as  the  a uto m ated   diag nosis  s yst e m   cann ot  r eplace   doct or s  to  detect   th e  di seases.  Un li ke  autom at ed  dia gnos is   syst e m ,  wh ere   the  diagnosis   is  do ne  by  the  m achines,  com pu te r  ai de d  diag nosis  [2 ] - [ 7]  is  a  syste m   by   consi der i ng  th e  ro le   of  ra diol og ist s  or   phys ic ia ns   in  diag nosin g  the   le sio ns .  C A D  is  use d  to   gi ve  a  s econd   op i nion  to  t he  ph ysi ci ans   to  detect   the  an om al i es  in  br ai n.  The  va rio us   t echnolo gies  de velo ped  in  CA D  are   cat al ysi ng   the en ha ncem ent  of  le sion  d et ect ion   i n  brai n  im a ges.   C AD   syst e m   can  ha ve  m ulti ple  m od ules  su c h  as  an om al y  detect ion ,  diag no sis  an d  ris k  as sessm ent  et c.  The  m ai n  obj e ct ive  of  this  pa per  i s  to  de ve lop   a   cel lular  automa ta   (CA)   m od el ,  wh ic h  dete ct s  the  ano m a ly   pr one  areas   in  hu m an  brai n,   w hich  ca n  be   integrate d wit h a s ophisti cat ed  CA D sy ste m   to enha nce its  perform ance.   Ra dio lo gists  a re  com m on ly   us in g  Ma gn e ti c  Re so na nce   Im age  (MRI)  to  a naly se   the  inter nal   structu re  of  hum an  brai n.  T he   existi ng  te c hn i qu e s  us ed   f or  t um ou r  detect io n  us es   va rio us   m et ho ds  us i ng  MR I  i m ages.    Textur e  ba sed  feat ur e  analy sis   [ 8]   and   water  she d  al gorithm   [ 9]  is  m a inly   u sed  f or   brai n  tum our   detect ion.  Ex pe ct at ion   m axi m iz at ion   m et h od   [10]  is  us e d  f or   brai n  a nom alies  detection   ba sed  on   bilat eral  filt er  [10].  A  t wo   sta ge  re gion  of  interest   s egm entat ion   [ 11 ]   ba sed  on  m ul ti   le vel  threshold  [ 11]   an d  ha rd  Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 4 , N o.   1 ,  A pr il   201 9   :   471   –   477   472   thres ho l ding  [ 12 ]   is  us e d  to  detect   the  area   of   tum ou r s.  All  these  te ch niq ues  m entioned   a bove  us e d  im age   processi ng   te c hn i qu e s  to  de te ct   the  an oma li es.  In  orde r  to  i ncor pora te   intel li gen ce   al ong  with  br ai n  tum ou rd et ect io n  al gorithm s,  fu zzy   lo gics[ 13 ] - [ 17]   are  in cl ud e d,   wh ic h  helps  to  th e   detect ion   of   m or e   accurate  le sio ns  in  br a i n. But   trai nin g  of   da ta   is  req uire d  to  inco rpo rate  intel li gen ce  in  an om al y  detect ion   al gorithm s.   The  an om al y  p arts  in  the  brai n  m ay  be  in  va rio us   siz e  an d  sh a pe,   so   t he  s egm entat ion   of  ano m al y   is  a  chall en ging  ta sk   . In te gr at io n  of  a natom ic a l  know le dgewi th  an om al y  det ect ion   te ch niques,  ai ds   the  s yst e m   to  unco ve r  the   sy m m e try   or   asym m e try   in  the  brai n  str uc ture  le ads  t o  e nh a nce  the  syst e m   per form ance  in  com pu te r  ai de d  dia gnos is  of   the  br ai n  an om al ie s.H um an  br ai n  st ru ct ure  has  tw o  ap pa ren tl y  si m il ar   halves   tha t  exh ibit   hi gh  le vel  of   bilat eral  sy m m et ry.  But  sy m m et ry   is  vio la te d  in  the  presence  of   le sion s  in  brai n.   S o   the  ai m   of   this   pa per   is   to  e xplo re  the  de gr e e  of  asy m m et ryoccurs  du e   to   the  pr ese nce  of   le si on s   inth e  br ai n  and   propose  a n  autom at ed  tech ni qu e  us i ng  cel lular  automa ta   to  detect   th e  ano m al ie s   pron e  area  e xists  in  the   hu m an  brai n. Most  of  the   im age  proces sing  te ch nique  use d  for  a no m al y  detect ion   ne eds  im age  reg i strat ion   [18]  and   are  pro ne  to  inter - i nd i vidual  and   inter - e qu i pm ent  var ia ti on s  ev en  unde r  co ntr olled  ci rcu m st ances ,   le ads  to  e rro ne ou s   sit uatio n  t o  dr a w  in fer e nc es  base d  on  a bs ol ute  values   directl y.  S o,   a ppr oach es   ba s ed  on  relat ive  values   of   the  anato m ic al  data  hav e  high  im pac t  in  identify ing   the  le sion   r egio n  in  hum a n  br a i n.   Sy m m e try   bas ed  m et ho d  is  base d  on  sta ti sti cal ly   s ign ific ant  relat ive  values,   m ay   pr ovi de  m or e  insig ht s  for  identify in g  an d  qua ntifyi ng  the  br ai n  le sions  in  com pu te ri zed  a naly sis.  T her e  a re  te ch ni qu e s  us e s  sym m et ry  base d  ap proac h  [ 19 ] - [ 26]   f or  detect ing   brai n  tum ou rs  a nd   for  b rain  tum ou r  se gm entat ion ,  bilat eral  sym m e try   of   t he  br ai n  str uctu re  is  e xp l oi te d.   Since   the   sy m m et ry  based   a ppr oach  w orks  on  a nato m ic al   info rm ation   of   the  br ai n,  it   does  not  require   trai ning  of  the   data.  T his  pa pe r  pro po ses   a  s ymm et ry  base d  m et ho d  to   id ent ify  ano m al y  pr one   areas b ase d  on  cel lular  a uto m at a  [27 ] ,  [ 28] .   Since  cel lular  au tom at a  are  a p arall el   com puta ti on   m od el s,  differ ent  va riants  of  cel lular  a utom at a  is  us ed  i n  var io us   m ed ic al   i m aging   a pp li cat io ns   s uc h  as  cel lular  aut oma ta   base d  m odel   for  pr e d ic ti ng  patte rn  of  de ngue  fe ver  [ 29]   and  le ar ning  cel lular  aut oma ta   [30]   for  tum ou r  det ect ion   in  m a mm og raphy.  So,   in  this  pap e r, a n  al gorithm   based   on  CA  is  pro po se d  to  fi nd   ou t   the  asym m et ry   in  br ai n  im ag es  in  co ns ta nt  tim e.  In   order   to  fin d  out  m or e  accu ra te   are as,  that  are  pr on e  t o  ano m al y,  the  ne ighbou rho od  inf or m at ion   a bout   the  a sym metri c  area  al so   consi der e d.  Si nce  C AD  syst em   can   hav e  m ulti ple  m od ules,  the  pro posed  te c hn i qu e  ca n  be  int egr at e d  to  a  s ophisti cat ed   CA D   syst em   to  en han ce   it s  per f or m ance  or   i t  can  be  us e d  as  an  i ndepende nt  CA D   syst e m   to  assis t  the  doct ors  for  the  br ai n  im age   interp retat ion.       2.   RESEA R CH   METHO DS   2.1 .    Cell ular   Au t om ata   Ce ll ular  autom at a  are  com pu t at ion al   m od el   consi sts  of  an   arr ay   of   cel ls.  Each  cel l  in  a   CA  act s  as  a   processi ng   el e m ent.  It  is  a  pa rall el   com pu ta ti on   m od el .  T he  nei ghbo urh ood  of   a  C A  i nd ic at es  the  gr oup  of   cel ls  in  wh ic h  the  CA  r ules  act   upon   to  upda te   a  cel l  s ta te   at   un it   tim e  step .  T he  in pu t  da ta   can  be  sto r ed  as   sta te s  in  a  C A.   T he  sta te   of   eac h  cel l  c an  updates  in   unit   tim e  step s  base d  on  a   local   r ule  w hi ch  ar e   char act e rised  by  the  neig hbour hood  in  synch r onous  fas hion.  Th e  ru le   of   the  CA  is  a  transiti on   f un ct io n,  wh ic h  ta kes  ne ighbou rho od   a nd   t he  sta te   of  a  cel l  at  a  time  ste p  as  par a m et ers  and   ret urns  the  new   s t at e  of  that  cel li n  the  nex t  ti m e  ste p.   CA  is  use d  f or   m od el li ng  c om plex  syst em s.  Steph en  Wo l fr am   has  done  a n  extensi ve  stu dy  on  tw o  dim ension al   cel lular  autom at a.  Tw o  di m ension al   C A  can  ha ve   var io us  neig hbour hood s.  I n  order  to  find  out  the  a no m al y  pr on e   ar e as  in  a  br ai n  i m age  in  c on sta nt  tim e  com ple xity ,  a  m od ifie d  cel lular a uto m at a  m od el  call e d  ra di us   bounda ry C A  (RBC A)  is  prop os ed .      2.1.1 .   R ad ius  Boundar y CA   The  propose d  RB CA  is  a  two  dim ension al   cel lular  autom at a  con ta ins  gr id  of  cel ls.  RB CA  w orks   base d   on  a  re fer e nce  cel l,  wh ic h  is  the  m idd le   cel l  in  the  tw o  dim ensio nal  gri d  te rm ed  as   , .  Th e  neig hbour hood   of   the  cel l  ,   var ie s  in  each  r adius .  The  ra di us   in  an  RB C A  re fer s  t o  th e  distance  of   t he  neig hbour hood   cel lwit h  res pe ct   to  t he  cel l  ,   i n  al l  directi ons   i.e.,   the   nu m ber   of  cel ls  tra ve rsed  from   ,   to  the  neig hbour hoods   of   ,   wh ic h  are  the   bounda ry  cel ls  in   eac h  rad i us .   Ta ble   1  s hows  t he  r adius   str uctu re   in   an  RB CA ,  R 1   i nd ic at es  a   nei ghbo urh ood  cel l   in  rad i us   1  a nd  R 2   in dicat e s  neig hbour hood   cel l  in  ra diu s   2  with   resp ect  t o  th e c el l   , . Base d on   , , t he  cel ls i n ea ch  r a diu s i nteract  in parall el .              Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       A symmet ry  ba sed a noma ly  det ect ion  in  b r ai n usin g  cel lul ar a utomat a  f or   comp uter  aid e d. . .   ( Ni sha V M )   473   Table   1.  RB C A’ s  r a diu s  str uc ture   R 2   R 2   R 2   R 2   R 2   R 2   R 1   R 1   R 1   R 2   R 2   R 1     ,   R 1   R 2   R 2   R 1   R 1   R 1   R 2   R 2   R 2   R 2   R 2   R 2       2.2.    RB CA   M od el   fo r   A nomaly  D e tecti on   In   t he  pro po se d  RB CA b ase d  CAD   m od el   f or  d et ect in g  a nom aly  pron e   ar eas  in b rai n,   a  r egi on  base d  appr oach   is  use d. T he  brai n  im age  is  con ve r te d  into  a  two  dim ension al   arr ay   based   on   i ntensity .  The  intensit y   of   eac h  pi xe l  va ries  from   0  to  255.   T he  cent r oid   of   the  im age  is  cal culat ed  in  the  m idd le   axis.  T he  centr oi d  of  the  i m age  is  t reated  as  the  m idd le   cel l  in   RB CA  and   e ach  pi xel  valu e  in  the  two  dim ension al   arra y  are   consi der e d  as  cel ls  in  the  R BC A.   The  nei ghbour hood  cel ls  of   the  centr oid   in  va rio us   rad i us   disti ngui sh   the   reg i on.  T he  se t  of  nei ghbour hood  for  the   c entr oid   va ries  accor ding  t o  t he  rad i us .  Sin ce  the  br ai n  i m age  is  bilat erall y symm et rical , in  o rd er to  ensu re th e b il at eral sy m m e try , th e cor res pondin g  cel ls i n  e ach r adiusbase d  on   t he  ce ntr oid  are  com pu te d.  Ba sed  on   a  t hresh old,  asy m m et ry  is  cal cul at ed  in  eac h  re gion.T he  locat i on   of   the asym m et ric  r e gion also  ca n  ide ntify  base d on the  re gion . F ig ure  1   s hows  a  sam ple aff ect ed brai n  im age.           Figure  1 .  Sam ple  aff ect e d br ai n  im age       Table   2 . RBC A  m od el   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 3   R 3   R 3   R 3   R 3   R 3   R 3   R 4   R 4   R 3   R 2   R 2   R 2   R 2   R 2   R 3   R 4   R 4   R 3   R 2   R 1   R 1   R 1   R 2   R 3   R 4   R 4   R 3   R 2   R 1   C i,j   R 1   R 2   R 3   R 4   R 4   R 3   R 2   R 1   R 1   R 1   R 2   R 3   R 4   R 4   R 3   R 2   R 2   R 2   R 2   R 2   R 3   R 4   R 4   R 3   R 3   R 3   R 3   R 3   R 3   R 3   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 4   R 4       Unde r  the  assu m pt ion   that  th e  br ai n  im age  is  bilat erall y  s ymm et ric  with  resp ect   to  the  m idd le   axis,  the  cent ro i d  is  cal culat ed.   B oth   the   sides   of  t he  a xis  are   sy m m e tric al   in  na ture.  S o,   i n  order  to  c hec k  th e  le vel   of   a sym m et ry  exists  in  t he  i m age,  ba sed  on  the   cent ro i d,  cal culat e  the  l evel  of  asy m m et ry  by  com pa rin g  the  values  of   t he  r especti ve  cel ls   in  both  the  si des  of  the  a xis .   Table   2   sho ws  the  RB CA   m od el ,  w he re   ,   is   treat ed  as  cent ro i d  ie ,  m idd le   cel l  and   the  c el ls  in  the  colu m n  wh ic h  co nt ai ns   ,   is  treat ed   as  the  axis  of  the   i m age.  Re gion   based   c om pari so n  is  us ed  i n  this  te chn i qu e .  The  reg i on   is   identifie d  bas ed  on  the  rad i us .  In  each  ra diu s,  th e  cel ls  in  each  ro w  m ark ed  with  sam e  col our  base d  on  the   m idd le   cel l  are  com par ed   fo r  the   sy m m e try .  Th e  RB CA  m od el   is  al so   a  pa rall el   com pu ta ti on   m od el   be cause  the  cel ls  in  each  ra di us   are  ind e pende nt  an d  ba sed  on  the  m idd le   cel l,  pa rall el   acce ss  to   cel ls  in  each  r adius  is  possib le .  In   orde r  to  m ake   the RB CA m o del as a p a rall el  co m pu ta ti on   m od el , th e co m pu ta ti on  p r oc ess is d isc usse d  bel ow. A s sum ing  the  co - ordinate  of  the cent ro i d  as   ( , ) .     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 4 , N o.   1 ,  A pr il   201 9   :   471   –   477   474   Compari son re qu ire d  i n  r ad i us 1 :   The  m idd le  lev el  cell s:  ( , − 1 ) ,    ( , + 1 )   To p  le vel cel ls : ( ( − 1 ) ( − 1 )    ( − 1 ) ( + 1 ) )   Bott om  level cel ls: ( ( + 1 ) ( − 1 )    ( + 1 ) ( + 1 ) )     Compari son re qu ire d  i n  r ad i us 2 :   The  m idd le  lev el  cell s: ( ( , − 2 )    ( , + 2 ) ) ,         ( ( − 1 ) ( − 2 )    ( − 1 ) ( + 2 ) ) ,         ( ( + 1 ) ( − 2 )    ( + 1 ) ( + 2 ) ) .   To p  le vel cel ls : ( ( − 2 ) ( − 1 ) )      ( − 2 ) ( + 1 ) ) ,         ( ( − 2 ) ( − 2 )    ( − 2 ) ( + 2 ) ) .   Bott om  level cel ls:   ( ( + 2 ) ( − 1 )    ( + 2 ) ( + 1 ) ) ,         ( ( + 2 ) ( − 2 )    ( + 2 ) ( + 2 ) )     So ,  total   com par iso n  operati ons  re qu ir ed  in  this  RB CA  m od el   var y  acco r ding  to  the  radi us .  I n  each   rad i us ,   the  t otal  num ber   of  c om par ison s  re quire d  is  cal c ula te d  based  on  th e  ab ove  c om pu ta ti on s.  Assum e  that     is t he radi us   w it h  res pect to  the ce ntr oid ,   To p  le vel  ( )   le ve l,t he  num ber   of com par iso ns   r equ i red :    com par iso ns   Bott om  level  ( ) l evel, the  num ber   of  c om par ison s  r e quire d:    com par isons   Mi dd le  level,  the  nu m ber   of c om par isons re quire d:  ( 2 ∗ ) − 1 com par isons     The  cel ls  in   th e  top  an d  bott om   le vels  of  eac h  ra dius  with  r espect  to  t he  c entr oid ,   in  th e  asym m e tric  reg i on are  c om par e d wit h  it s  neig hbour hood  cell s to  c heck  the level  of asy m m e try  to  en s ur e  m or e accu r acy .     2.2.1. Alg orit h m 1: chec k  the  a s ymme try in a  br ain im age   Step1 :  Fin d  the  centr oid o f  t he  g ive n  im age,  a fter  or ie ntati on of the  sym m etr ic  p la ne  in  the  sp ace .   Step  2: Let   be  t he  tw o dim ension al  a rr ay ,  whi ch  st or es  the i nt eger   values  of  the im age,     , bethe  ce ntr oid  of the im age   Step  3: Let  be  t he radi us   of th e i m age f r om  the ce ntr oid   Step  4:   F or eac h radi us ,    = 1   to  bo undary do in  P ara ll el   Step  5:   F or eac h row,  = 0 to     doin  Par allel       Step  5.1: if   is no t e qual  to         Step  5.1.1: C om par e the v al ue s of ( ( − ) ( − ) )   and ( ( − ) ( + ) )   Step  5.1.1. 1: if  the  diff e re nce  is gr eat e r  tha n t hr es ho l d     Assign ze r o  to   the im age lo cat ion ,  hold s the   gr eat er  v al ue.             Step  5.1.2:   Co m par e the v al ue s of ( ( + ) ( − ) )   and   ( ( + ) ( + ) )             Step  5.1.2. 1: i f  the  d if fer e nce  is great er t han thr es hold,         Assign ze r o  to   the im age lo cat ion ,  hold s the   gr eat er  v al ue     Step  5.2: Else     Step  5.2.1: F or each c olu m n,   = 0        d o  in   P ara ll el     Step  5.2.1. 1:Com par e the  val ues of ( ( − ) ( − ) )   an d ( ( − ) ( + ) )     Step  5.2.1. 1.1:   if the  d if fere nc e is g reater t ha n  th res ho l d,     Assign ze r o  to   the im age lo cat ion ,  hold s the   gr eat er  v al ue               Step  5.2.1. 2:   C om par e the  val ues of ( ( + ) ( − ) )   an d ( ( + ) ( + ) )             Step  5.2.1. 2.1:  if the  dif fer e nc e is g reater t ha n  th res ho l d,           Assign ze r o  to   the im age lo cat ion ,  hold s the   gr eat er  v al ue.               Step  5.2.2:  End  for                              St ep 5. 3:   Com par e the  v al ues of l eft, r i gh t  an d m id dle cel l for  zero,   Step  5.3.1: I f  a ll  the thr ee  v al ues  a re ze ro,    Assign ze r o  to   m idd le  cell , 255  oth e rw ise .   Step  6: E nd of  ste p 5              Step  7: E nd  of step  4     Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       A symmet ry  ba sed a noma ly  det ect ion  in  b r ai n usin g  cel lul ar a utomat a  f or   comp uter  aid e d. . .   ( Ni sha V M )   47 5   2.2.2. Descri p t ion  of t he  A l gori th m   The  al gorithm   to  fin d  out  the   asym m et ry  exists  in  bilat eral ly   sy m m et ric  br ai n  im ages  are  pr opos e d  in  Algorit hm   1 .  Assum e  that  a  T2 - weig hted   br ai n  is  c onve rted  int o  a  two  dim ension al   arr ay ,  with  inte ge r   values  ra ngin g  fr om   0  to  255.  The  intensit y  of   eac h  pix el   is  conver te d  into  intege r  value s.  Step  1  fi nd   out  the   centr oid   of  the  i m age  and   col um n  of   the  arra y  wh ic h  co nta ins  the  centr oid   is  con si der e d  as  m idd le   axis   of   the  i m age.  Step 2   assign  t he  im a ge  into a t wo   dim ension al  ar r ay . S te p  4   i niti al iz es the  rad iu s,   from  the cen troi d  to  t he  boun dary   of  t he   im age.  I n  ste p  5,  for   loopis   us ed   to   c heck  eac h  r ow  from   0  t o ,   wh e re    is  the   rad i us.   In  each  ra diu s ,  th ere  are  th ree  le vels  of  com pari so ns   s uc h  as  t op   le vel,  bott om   le vel  and   m i dd le   le vel  is  re qu i red.  Si nce  the  num ber   of   c om par ison s  require d  in  each  le vel  is  diff e ren t,  st ep  5  is  use d  t o  chec k  w heth er  the   sel ect ed  r ow   is   eq uiv al ent  to   rad i us   le vel  or   no t.   I f  it   is  not  in  ra diu s  le vel ,  ste ps   from   5. 1.1  to  5.1.2  a re   us e d  for  m idd le   le ve l  com par iso ns.  I n  eac h   ra dius,  ( 2 ∗ ) − 1   com par iso ns  are   re qu i red  in  the   m idd le   le vel  with  the  co rr es pond ing   cel ls  in   eac h  r ow.  If   t he  re sp ect ive  values   are  no t  e qual ,  base d  on  a   thre sh ol d,   a ssig n  a   0   in  the  locat ion   w her e  the  sym m et ry  is   br ea king,  to  in dic at e  the  asym m et ry.  Step  5.2  is  us ed  for  the  el se   conditi on,  ie ,   top  an d  bott om   le vel  com p ariso ns   i n  eac h  rad i us .   T he  top  an d  bott om   le vel,    num ber  of   com par isons  re qu i red.  I n  ste p  5.2.1,  f or   l oop  is  us e d  to   acce ss  each   col um n  value s.In  ea ch   case,  t he  al go r it h m   checks  f or  th e  as ymm et ry.   Step  5.3  c he cks  the   le ft  a nd  rig ht  neig hbour hood  values  of   e ach  c el l  for   asym m e try ,  if  the  neig hbou r hood  cel ls  are   al so   asy m m etr ic ,  m ark   the  cel l  value  as 0   t o  in dicat e  an om aly   pro ne  area .   S o, with t his alg ori th m , th e asy m m et ric areas, w hich  a re  pr one  to anom al y, can  be  ide ntifie d .       3.   RESU LT S   A ND  A N ALYSIS   In   or der   to  pe r form   the  exp er i m ental   wo rk   to  i m ple m ent  t he  ab ov e  m entione d  al gorith m   to  identify   the  asym m e try  exists  in  bilat e rall y  sy m m e tric   i m ages;   T2   -   weig hted  im ag es  are  us ed .Ma tl ab - ve rsion  20 18   is   us e d  f or   t he  im plem entat ion   of  the  a bove  m entione d  al gorithm .Con side red  aff ect e d  brai n  i m ages.  The  i m age  is  co nv e rted   in to  a  t wo  dim en sion al   a rr ay ,   th e  val ues  of  the   ar ray  va ries  from   0  to   25 5  ba sed  on  t he  inte ns it y   of   eac h  pix el   i n  the  im age.  E xp e rim ents  hav e  do ne  on   dif fer e nt  sta ndar d  br ai n  im ages.  Figure  2   an d  F igure  3   sh ow n  th e sam ple in pu t a nd  outp ut.                       (a)   (b)   (c)   (d)     Figure  2 .   (a )   A ff ect ed  brain ,   ( b)   A no m al y pron e  areas  d et ec te d ,  (c)   A ff ect e d br ai n,     (d)  Anom al y pr one   a reas  dete ct ed                       (a)   (b)   (c)   (d)     Figure  3 .  ( a )   A ff ect ed  brain ,   ( b)   A no m al y pron e  areas  d et ec te d ,   (c)   A ff ect e d br ai n,     (d)  Anom al y pr one a reas  dete ct ed     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 4 , N o.   1 ,  A pr il   201 9   :   471   –   477   476   The  RB CA  m od el   pro pose d  he re  is  a  pa rall el   com pu ta ti on al   m od el .  The  c om pu ta ti on s  in each  ra dius   perform   in  paral le l  and   the  c om par ison   ope rati on s  i n  the  t op   le vel,  bott om   le vel  and   m idd le   le vel  in  each   rad i us al so  pe rfor m s  in  par al l el .  So,  t he  ti m e  com plexi ty   of  the  a bove   m entioned  al gorithm   is  co nst ant.   In  each  reg i on,   ie ,  ra diu s ,  t he  al gorithm   checks  f or  the   im m e diate   nei ghbourh ood  f or  the   a sy m m e try   resul te d  in   detect ion   of   m or e  accurate  ano m al y  pr one  area .   With   this  pr op os e d  m od el ,  eve n  ver y  m ini m al   le vel   of  asym m e try   al so   ca n  be  detect ed,   w hich   hel ps  the  physi ci an s  to  i den ti fy  t he   area   in  w hich   m or e  f ocu s   ne eds  t o   be  ca rr ie d  ou t.   So  do ct or sca n  i nterpret  the   brai n  im ages  pro per ly ,  t hat  resu lt   i n  a   pro per  dia gnos is   of  th e   disease  by r e duci ng  obser vational  o ver si gh t  of the  doct ors.      3.1.    C ompari so n wi t h  Exis t ing Tech nique s   Since  the  pro pose d  m et ho d  is  a  sy m m e try   base d  m et ho d,  un li ke  t he  qu al it at ive  analysis  on   brai n  ano m al y detec ti on ,  im age r egi strat ion ,  traini ng the  d at a is  no t require d.   Sym m e try  b ased   app r oach is ba sed on   relat ive  data,  so   the   de pe ndency  of  the   pi xel  va riat ion s   can  be  m ini m i zed .   Most  of   the  sym m et ry  bas e d  te chn iq ues  u se d  f or a no m al y  detect ion   us e d extensi ve  c omparis ons, whic h  le ads  to hig h t i m e co m plexity . The   works  w hich  use s  boun ding  box   te ch nique s,  [ 18 ] - [ 22]   to   detect   ano m aly  based   on   sy m m e try   need s   ( 2 )   tim e,  wh ere    is  the  input  siz e .   W he reas  RB C A  m od el   requi res  only   co ns ta nt  tim e  to  find   the  an om al y  pron e  areas.  S o  the  pro posed  RB C A  m od el   is  a  m or e  eff ic ie nt  m od el   based   on  sym m et ry   to  detect   br ai n  le sion s .  Figure  4   s how s  the  tim e  com plexit y  co m par is on   of   othe r  te chn i ques  and   RB CA  m od el .  T he  gr a ph  in  the   gr ee n  c olour   ind ic at e  the   ( 2 )   tim e  and   t he  gr aph  in  t he  re d  colo ur  in dicat e  the  c on sta nt  ie ,  ( 1 )   tim e  com plexity .            Figure  4 .  Tim e  co m plexity  com par ison       4.   CONCL US I O N   CAD  syst em   is   con side re d  as  a  com ple m entary  com pu ti ng   powe r   to  diag nose  the  disease   with  m or e  accuracy.  C A D  inc reases  t he   cha nces  of   de te ct ion   of  dis eases  by  assist ing   t he  physi ci ans  in   dec reasi ng  the  ob s er vational  ov e rsight  in  t he   early   sta ge  of  disease s.  CA D  ca n  be  asse m bled  as  packages  a nd  im ple m ented.  The  RB CA   m o del  pro po se d  in  this  pa per   he lps  the  physi ci ans  to  ide ntify  the  area  in  w hich  m or e  fo cu s  nee ds   to  be  car ried  ou t.  M os t  of  the  cases  the  s m al l  le sion s  m ay   be  m issed   by  the  do ct or s ,  in  co r por at ion   of   asym m e tric   info rm at ion   al ong  with  the  CA D   syst e m   enh an c e  the  perform ance  of  the  sys tem   by  red ucin g  the  ob s er vational  ov e rsight.  T he   propose d  RB CA  m od el   can  be  integrate d  with  a  soph ist i cat ed  CAD  sy stem   or   m ay   wo rk   as  a   sta nd al one  C AD   syst em   to  fin d  the  an om a ly   pr one  areas  in  hum an  br ai n. Si nce  the  pr opose d  m od e l  is  base d  on  cel lular   a ut om a ta ,  in  c onsta nt  tim e  com plexity ,  the   RB CA  m od el   de te ct s  ano m al y  pro ne   areas in  hum an  brai ns .         REFERE NCE S   [1]   Doi ,   K . ,   “ Diagn ostic   imaging  o ver   the   la st  50  y e ars:  re se arc h  and  deve lopmen t  in  m edi ca l  im agi ng  scie n ce   a nd   te chno log y ”,   Ph ysic s in   Me d ic in e  &   Bi ology ,  20 06 .   [2]   Giger ,   M.   L . ,   et   al .  “ Com pute r - aided  dia gnosis  in   m edi ca l   imagin g ”,   I EE E       trans act ions  on  med i cal   imaging .  vol .   20 ,   pp .   1205 - 12 08 ,   2001 .   [3]   Doi,   K. ,   “ Com p ute r - a ide d  d ia gn osis  in  m edi cal  imaging:   histor i ca l  r eview,  cu rr ent   sta tus  and  f uture   pot ent i al ”,  Computerized  m edi ca l  imaging   a nd  graphics .   Vol .   31 ,   no .   4 ,   pp .   1 98 - 211 .   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       A symmet ry  ba sed a noma ly  det ect ion  in  b r ai n usin g  cel lul ar a utomat a  f or   comp uter  aid e d. . .   ( Ni sha V M )   477   [4]   Doi,   K. ,   “ Curre n t  stat us  and  futu re   pote nt ial  of  c om pute r - ai ded  d ia gnosis  in  m edica l  imagi ng ”,  Th e  Brit ish  journal   of  radiolog y.   Vol.   78 ,   pp .   s3 - s 19 ,  2005 .   [5]   Van ,   G. ,   Bram,   et . a l .  “ Com pute r - ai ded   dia gnosis   in  ch est  ra d iogr aph y :  a   surve y ”,  IEE E   Tr ansactions   on  medic al   imaging .  Vol .   20 ,   no .   12 ,   pp .   122 8 - 1241 ,  2001 .   [6]   Duggira la,   B . ,   et.al .  “ Com pute r  a ide d  dia gnost ic   assistanc e  for  m edi c al   imaging ”,   Sie mens  Me dical  Solut ions  US A   Inc ,   U . S.  Pa te nt ,   vol.   17 ,   pp .   244 - 230 ,  2007 .   [7]   Ham ia ne,  M .,   a nd   Saee d ,   F. ,   “ SV M  Cla ss ifi cation  of   MRI  Br ai n  Im age s   for  Com pute r - As sist ed  Diagnosis ”,  Inte rnational   Jo urnal  of El e ct ri c al  and  Comput er  Engi n ee ring   ( IJ ECE ) .   Vol.   7 ,  no .   5 ,   pp .   2555 - 25 64 ,  2017 .   [8]   Marshkole ,   e t. a l , .  “ Te x ture   and   shape   base d  class ifi cation  of  bra int um ours  using  li ne ar  ve ct o r  quant i za t ion ” ,   I nte rnational   Jo urnal  of  Comput er  Applications.   v ol .  30 ,   no .   11 ,   p p.   21 - 23 ,   2011 .   [9]   Bhim a ,   K .,   and   Jaga n,   A. ,   “ An  eff icient  m et hod   for  ide n ti fi ca t io n  of  anomalies  in  bra in   MR  images. Signa l  and   Inform at ion  Pro ce ss ing  (IConSI P) ” ,   Int ernati on al  Conf ere nce o n  IEEE.   Pp.1 - 5,   2016 .   [10]   Charut ha ,   S .,   an d   Ja y ashre e ,   M.   J. ,    “ An  eff i cie nt  bra in   tumour  det e ct ion   b y   in te gra ti ng  m o dified  te x ture   b ase d   re gion  growing   and  c el lu la r   aut om at a   edg e  detec t ion ”,   Control,   Instru mentat ion ,   Co mm unic ati on  a nd   Computati onal  T ec hnolog ie s ( ICCICCT ) ,   Inte rnational   Con fe ren c e  on.   IE EE,   pp .   1193 - 1199,   201 4 .   [11]   Bane rj ee,  et   al . ,   “ Single   see d   del in ea t ion  of   bra int um our  u sing  m ult i - thre s holdi ng ”,   Infor mation  Scienc e s ,     pp.   330:   88 - 103 ,   2016 .   [12]   Ham ia ne ,   M .,   a nd   Fate m a ,   S. ,   “ SVM  Cla ss ifi ca ti on  of  MRI  Brai n  Im age s  for   Com pute r - As si sted  Diagnosis ”,  Inte rnational   Jo urnal  of El e ct ri c al  and  C omput er  Engi n ee ring   ( IJ ECE ) ,   vol .   7 ,   no .   5 ,   pp.   2555 - 256 4 ,   2017 .   [13]   Khotanl ou ,   H . ,   et   a l.   “ 3D  bra in   tumor  segm ent at ion  in  MRI  u sing  fuz z y   cl ass ifi c at ion ,   s y m m et r y   an aly sis  an d   spati all y   constra i ned  def orm ab le   m odel s ”,   Fuzzy  sets  and  syst ems ,  vol.   160 ,   no .   10 ,  2009 .   [14]   Selva kum ar,   J . ,  et. al. ,   “ Brai n  t um or  segm ent at ion  and  it s  ar ea  ca lc u lation  in  bra in  MR  images  using  K - m ea n  cl uster ing  and  Fuzz y   C - m ea n   al gorit hm ”,   A dvanc es  in  En gine ering ,   Scie nce   and  Mana geme nt  ( ICAE S M) ,   Inte rnational   Co nfe renc e  on .   I EEE,    2012   [15]   Murugava lli,   S .,   and   Raj amani,   V. ,   “ An  I m prov ed  Im ple m ent at i on  of  Brai n  Tumor  Dete ct ion  Us ing  Segm ent at ion   Based  on  N eur o  Fuzz y   T ec hni qu e” ,   Journal   of   C omputer  Scienc e .   vol .   3 ,   no   11 ,   p p.   841 - 846 ,  200 7 .   [16]   Hara ti,  V .,   e t. al. ,   “ Full y   aut om at e d  tumour segm ent at ion   base d  on   improved  fuz z y   conne c te dness al gorit hm   in  bra in  MR image s ”,  Co mputers i n  bio lo gy  and  m edi c ine. vol .   4 ,   no.   7 ,   pp.   483 - 492 ,  2011 .   [17]   Rana ,   R . ,  e t. al. ,   “ Com par at ive   Stud y   of  Segm entati on  T ec hniqu e s  for  Ext ra cting  Brai n  Tumor  from   MRI  I m age .   In   Proc.   o f the   sec o nd  Intl.  Con f. on   Adv an ce s  in El e ct ronics,   Elec tri cal   and   Comput er  Engi n ee ring – EE C,   2013.   [18]   Aks ha y a ,   R .,   a nd   Hem a,   P.   M. ,   “ A  Revi ew  on  Regi strat ion  of  Medic al  Im age s  U sing  Graph  The ore tic   Approac hes ” ,   In donesian  Journa l  of  Elec tri cal   E ngine ering   and  Computer  Scien ce . vol.   12 ,   no.   1 3,   pp.   974 - 983 ,   2018.   [19]   Li u,   S .   X. ,   “ S y m m et ry   and  as ym m et ry   anal y s is  and  it s  implicat ions  to  compute r - ai ded  d ia gnosi s:  A  re vie w  of  t he   li te r at ur e ”,   Journal  of   Bi omed ical  Informat i cs .   Vol.    42 ,   no.   6 ,   p p.   1056 - 1064 ,  2 009 .   [20]   Ruppert ,   et   a l.   “ A  new  sy m m et r y - b ase d  m et ho d  for  m id - sagit t al   pla n e  ex tra c tion  in  neur oima ges ”,   Biom edica l  Im agi ng:  From   Nano  to  Ma cro ,   IEE E   Inte rnat io nal  Symposium. pp.   285 - 288 ,  20 11 .   [21]   Khotanl ou ,   H . ,  et. al. ,   “ Autom at i c  bra in  tumour  segm ent at ion  us ing  s y m m et r y   a naly s is  and  def o rm abl e  m odel s ”,   Adv anc es  in   Patt ern  Recogni t ion.   pp .   198 - 202 ,  20 07 .   [22]   Sachi n ,   N . ,   et   a l. ,   “ Brai n  Tumo r  Dete ction  Based  on  Bil atera l  S y m m et r y   Infor m at ion ”,  arXi v  preprint  arXiv :   pp.   1412 - 3009 ,   2014.   [23]   Saddique ,   M . ,   et . al. ,   “ A  H y br id  appr oa ch  of   using  s y m m et r y   te chn ique   fo r  bra in  tumour  segm ent at io n ”,  Computati onal  a nd  mathematical   methods  in   medi ci ne .     2014   [24]   Ra y ,   Ni la nj an .  et . al. ,   “ Us ing  s y m m et r y   to   detec t   abnor m alitie s  in  bra in  MR I ”,  Comput er  S oci e ty   o f  Ind ia  Comm unic ati ons .   Vol .   31 ,   no .   19 ,   pp.   7 - 10 ,   2008 .   [25]   Ra y ,   Nil anj an .  et . al.,   “ Locat ing   bra in  tumours   from   MR  ima ger y   using  s y m m et r y ”,   Signa ls,   Syste ms   an d   Computers,  ACS SC 20 07  Conf ere nce Rec ord of   t he  Fort y - Fi rs t   A silomar Confe re nce   on .   I EEE,   20 07 .   [26]   Sim ,  et . al . ,   “ Anal y s is  of  an  a xia l  T2  weigh t ed  bra in   MRI ”,   Asia - Pacific  J ournal  of  Conv erge nt  R ese arc h  Inte rchange ,  vo l .   3,   no .   1   pp.   45 - 55 ,   2017 .   [27]   V on ,   N.  J .,   and   Arthur ,   W. ,   “ Burks.  The or y   of  s elf - re produc ing   au tomata ” ,   I EE E   Tr ansacti ons  on  Neural  Ne tworks .   Vol.   5 ,   no .   1 ,   pp .   3 - 14 ,  1966 .   [28]   Packa rd ,  N .,   an d   W olfra m ,  S. ,   “ Two - dimensional   ce l lul ar   au t om at a” ,   Journal   of  Sta ti sti cal  p hysic s .   Vol .   38 ,    pp.   901 - 946 ,  19 85 .   [29]   Hos en,   P.   E . ,   et.a l . ,   “ A  ce l lul a r   aut om at a  m ode li ng   for  visualiz ing  and  pre di cti ng  sprea ding  pa tt ern s  of  dengu e  fe ver ” ,   TEL KOMNIKA  ( Tele communic ati on  Computing  El e ct r onic s  and  Control) ,   vol.   14 ,   no.   1 ,   pp.   228 - 2 37 ,  2016 .   [30]   Chagha ri ,   E .,   an d   Kari m i,   A.  A .,   “ Novel  Approac h  for  Tumor   Dete c ti on  in  Ma m m ogra phy   Im a ges ”,  Indone sia n   Journal  of   Elec t rical   Engi ne erin g  and  Computer   Sci en ce .   vol .   12 ,   no.   8 ,   pp.   6211 - 6216 ,  2014 .           Evaluation Warning : The document was created with Spire.PDF for Python.