ناحیه بندی تصاویر تشدید مغناطیسی با استفاده از روشهای مبتنی بر مدلهای آماری و هندسی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
- author مهدی دلیری فلاح آبادی
- adviser حمید ابریشمی مقدم معصومه گیتی
- Number of pages: First 15 pages
- publication year 1389
abstract
تصویربرداری mri یک روش غیرتهاجمی، مناسب و با دقت بالاست که جهت تهیه ی یک نقشه ی سه بعدی آناتومیکی از بافت ها استفاده می شود. بهره گیری مناسب کلینیکی از این تصاویر و استخراج اطلاعات حداکثری از آنها ضرورت پردازش خودکار رایانه ای را گریزناپذیر کرده است؛ زیرا حجم زیاد داده و زمان بر بودن تحلیل آن توسط متخصص، امکان پردازش دستی را عملی ناشدنی جلوه می دهد. ناحیه بندی تصاویر mri سر، از جمله ی این پردازش های خودکار است که می توان رویکردهای مختلفی را در نحوه ی استفاده از آن مد نظر قرار داد. ناحیه بندی بافت های سر برای کاربرد مسئله ی معکوس مکان یابی منبع سیگنال های الکتریکی و مغناطیسی مغزی و بررسی نحوه ی انتشار این امواج، اهمیت بسزایی دارد. عمده ی این اهمیت معطوف این به نکته است که، دقت در تشخیص موقعیت هندسی بافت ها اثر مستقیم بر صحت فرآیند معکوس مکان یابی خواهد داشت. در این بین ناحیه بندی تصاویر mri سر نوزاد موضوعی چالش برانگیز است و تحت تاثیر رشد سریع نوزاد، در کنار نسبت پایین سیگنال به نویز و کنتراست به نویز، و عدم انطباق شدت روشنایی بر موقعیت مکانی؛ پیچیدگی مسئله بیشتر می شود. هدف این پایان نامه ارائه ی روش ناحیه بندی خودکار مبتنی بر مدل است که به کمک آن بتوان پوست، جمجمه و نواحی داخلی مغز را در تصویر نوزاد بازشناسی کرد. در این فرآیند پس از پیش پردازش و بهبود آرتیفکت؛ به کمک دسته بندی کننده های غیرخطی و بر مبنای مشخصات شدت روشنایی، و ویژگی های مبتنی بر دانش و اطلاعات از پیش که از آن به عنوان مدل یاد می شود، به بازشناسی نواحی تصویر می پردازیم. به سبب عدم یکنواختی نواحی مختلف تصویر و ویژگی های فیزیکی غیریکسان مربوط به هر بافت، روش ارائه شده در این پروژه راهکاری وفقی است. ابتدا در گام پیش پردازش عدم انطباق شدت روشنایی و موقعیت مکانی که آرتیفکت جابجایی شیمیایی نام دارد؛ طی یک روند معکوس بهبود می یابد. در گام بعد آمارگان محلی بافت ها در نواحی مختلف تصویر استخراج می گردد. این ویژگی های وفقی در کنار مدل آماری به دست آمده برای جمجمه، به دسته بندی کننده ارائه می شود و بافت جمجمه از تصویر استخراج می گردد. بازشناسی جمجمه به عنوان بافت حایل بین پوست و نواحی مغز سبب تعیین موقعیت دقیق هر سه ناحیه می گردد. جهت ارزیابی الگوریتم پیشنهادی ابتدا به صورت کمی و کیفی و با کمک رادیولوژیست متخصص به ناحیه بندی دستی تصاویر می پردازیم که نتایج تایید شده ی آن به عنوان استاندارد طلایی در نظر گرفته می شود. سپس نتایج حاصل از ناحیه بندی خودکار بر مبنای معیار شباهت (si)، با استاندارد طلایی مورد مقایسه قرار می گیرد. نتایج کمّی نشان می دهد که دقت ناحیه بندی پوست و جمجمه در تصاویر به کار رفته در تهیه ی مدل به ترتیب 92/0 و 73/0 و برای تصاویر تست 88/0 و 62/0 می باشد. این نتایج در مقایسه با مقادیر به دست آمده در پژوهش های پیشین که در این زمینه صورت پذیرفته، دارای برتری است.
similar resources
ناحیه بندی تصاویر تشدید مغناطیسی
ناحیه بندی و انجام تحلیل کمی روی تصاویر تشدید مغناطیسی (mr) برای کاربردهای تشخیصی و بهبود کیفیت و کنترل روند درمان، امری لازم و ضروری است . وجود نویز و آرتفکتهای متعدد در تصاویر mr، سبب شده است که ناحیه بندی بدون نظارت این تصاویر کاری دشوار باشد. در این رساله، در راستای توجه به نویز و آرتیفکهای میدان ضربی و جز حجم پنج روش جدید برای ناحیه بندی و تحلیل کمی روی تصاویر mr عرضه شده است . تعداد روشها...
15 صفحه اولمروری بر اطلسهای مغزی نوزادان مبتنی بر تصاویر تشدید مغناطیسی
مطالعه فرآیند رشد مغز در دوران نوزادی و کودکی از اهمیت زیادی برخوردار است. زیرا هرگونه اختلال در این فرآیند میتواند سبب بروز بیماری در فرد شود، بویژه اگر نوزاد به صورت نارس بدنیا آمده باشد. پیشرفتهای اخیر در زمینة تصویربرداری تشدید مغناطیسی امکان اخذ تصاویری را با کیفیت و رزولوشن بالا از بافتهای مغزی نوزادان فراهم ساخته است. با ناحیهبندی و استخراج بافتها میتوان به مدلسازی تغییرات در بافت...
full textبهبود ناحیه بندی خودکار تصاویر تشدید مغناطیسی مغز انسان با استفاده از اطلاعات مبتنی بر چند اطلس
در روش پیشنهادی ابتدا لازم است که تمامی اطلس های موجود بر یکدیگر منطبق شوند که این منطبق سازی بصورت خطی انجام می گیرد. سپس میزان شباهت تمامی اطلس های موجود را پس از انطباق، دو به دو با هم مقایسه کرده و این مقایسه با استفاده از معیار فاصله اقلیدسی محاسبه می گردد و مقادیر بدست آمده در یک ماتریس ذخیره می شود. ماتریس بدست آمده، به الگوریتم خوشه بندی lr{affinity propagation} } وارد شده تا اطلس های م...
15 صفحه اولناحیه بندی مرز اندوکارد بطن چپ در تصاویر تشدید مغناطیسی قلبی با شدت روشنایی غیریکنواخت
مرز فعال تصادفی (stacs) روشی متداول و پرکاربرد برای بخش بندی مرز اندوکارد در تصاویر تشدید مغناطیسی قلبی (cmr) است. با این وجود، stacs در تصاویر cmr با روشنایی غیریکنواخت دارای عملکرد مطلوبی نیست. زیرا، در تابعی انرژی آن برای توصیف توزیع سطح خاکستری نواحی درون و برون مرز فعال، از دو تابع چگالی احتمال گوسی استفاده شده است. از طرف دیگر، مرز فعال تطبیق باینری محلی (lbf)، به دلیل استفاده از کرنل گوس...
full textمقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
full textناحیه بندی بطن چپ در تصاویر تشدید مغناطیسی قلبی با استفاده از مدل های فرم پذیر
تصویربرداری تشدید مغناطیسی یک روش تصویربرداری غیرتهاجمی بوده و کاردبرد فراوانی در تشخیص بیماری های قلبی دارد. با این حال، بخش بندی دستی این تصاویر (به دلیل حجم زیاد اطلاعات) بسیار زمان بر بوده و وابسته به دیدگاه های متفاوت متخصصین است. در این تحقیق، از مدل ها فرم پذیر هندسی برای بخش بندی چهاربعدی مرزهای اندوکارد و اپیکارد بطن چپ، بصورت خودکار، استفاده شده است. ما برای این منظور، با ترکیب اطلاعا...
15 صفحه اولMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023