ناحیه بندی تومور در تصاویر mr

thesis
abstract

ناحیه بندی تصاویر mr مغز نقش پر اهمیتی را در سیستم های تشخیص نابهنجاری ها مانند تومور بازی می کند. در این پایان نامه از مدل آماری میدان تصادفی مارکوف به منظور ناحیه بندی بدون ناظر تصاویر mr استفاده شده است. این مدل یک مدل آماری است که مساله ی ناحیه بندی تصویر را به مساله ی برچسب گذاری تبدیل می کند و هدف آن یافتن یک میدان تصادفی برچسب گذاری شده با انرژی بهینه می باشد. به منظور بهبود کارایی روش و افزایش سرعت همگراییِ الگوریتم در یافتن جواب بهینه، دو الگوریتم بهینه سازی پیشنهاد می شود. در روش اول از ترکیب الگوریتم تبرید فلزات و الگوریتم ژنتیک اصلاح شده استفاده شده است. الگوریتم تبرید فلزات یک الگوریتم بهینه سازی قوی با سرعت محاسباتی پایین به منظور یافتن جواب بهینه است و الگوریتم ژنتیک یک جستجوی سریع است که ضمانتی در یافتن جواب بهینه ندارد. در ترکیب این دو روش با بهره گرفتن از مزایای هر الگوریتم سعی در پوشاندن کاستی های الگوریتم دیگر هست. به این طریق به روشی دست خواهیم یافت که از لحاظ سرعت و دقت محاسباتی به خوبی عمل می کند. در روش دوم از ترکیب الگوریتم های اجتماعی شامل بهینه سازی اجتماع مورچگان و الگوریتم شایعه پراکنی کمک گرفته شده است. الگوریتم های اجتماع مورچگان یک الگوریتم هدایت شده چند عامله برای بهینه سازی است که از رفتار مورچگان در پیدا کردن مسیر بهینه میان لانه و غذا ایده گرفته شده است و ترکیب الگوریتم شایعه پراکنی با آن باعث تصمیم گیری هدفمندانه و بهبود عملکرد هر یک از عامل ها در الگوریتم می شود. در نتیجه سرعت و دقت محاسباتی الگوریتم بهبود می یابد. در این تحقیق به منظور آزمون روش های پیشنهادی از سه نوع مجموعه داده و مقایسه نتایج با الگوریتم استاندارد مدل تصادفی مارکوف استفاده شده است. در رویکرد اول از روش های مطرح شده به منظور ناحیه بندی بافت های سالم مغز شامل ماده سفید، ماده خاکستری، مایع نخاعی در تصاویر واقعی mr استفاده شده است. در روش استاندارد نتایج نشان دهنده میانگین درصد ضریب dice 1/72% است. در مقابل همین معیار برای روش ترکیبی الگوریتم تبرید فلزات و الگوریتم ژنتیک برابر با 1/73% و برای روش ترکیبی الگوریتم های اجتماع مورچگان و شایعه پراکنی برابر با 7/72% می باشد. همچنین میانگین درصد کاهش زمان محاسبات روش پیشنهادی اول نسبت به الگوریتم استاندارد برابر با 49/89% و برای روش پیشنهادی دوم نسبت به الگوریتم استاندارد برابر با 02/59% می باشد. در رویکرد دوم از روش ها به منظور ناحیه بندی تومور در تصاویر واقعی مغز استفاده شده است. میانگین درصد ضریب dice در ناحیه بندی تومور در روش استاندارد برابر با 1/73%، در روش پیشنهادی اول 76% و برای روش پیشنهادی دوم معادل با 8/70% می باشد. همچنین میانگین درصد کاهش زمان محاسباتی روش پیشنهادی اول نسبت به روش استاندارد 33/91% و روش پیشنهادی دوم 21/71% می باشد. در رویکرد سوم روش های مطرح شده به منظور ناحیه بندی تصاویر شبیه سازی شده چند-طیفی مغز استفاده شده است. در روش استاندارد، نتایج نشان دهنده میانگین درصد ضریب dice برابر با 1/82% می باشد. این معیار برای روش پیشنهادی اول برابر با 2/83% و برای پیشنهادی دوم برابر با 7/82% می باشد. همچنین میانگین درصد کاهش زمان محاسباتی روش پیشنهادی اول نسبت به روش استاندارد 08/77% و روش پیشنهادی دوم نسبت به روش استاندارد 08/67% می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

ناحیه بندی ضایعات ms در تصاویر mr

در بیماری(multiple sclerosis) ms ، سیستم ایمنی بدن به بافت اطراف فیبرهای عصبی (آکسون) حمله می کند و با تخریب قسمت هایی از میلین باعث ایجاد نقاطی به نام پلاک بر روی اعصاب می شود. تشخیص زودهنگام بیماری ms و برآورد حجم ضایعات، گامی مهم در فرآیند درمان این بیماری محسوب می شود. یکی از مهمترین وسیله های تشخیص و پیگیری پیشرفت بیماری msاستفاده از روش تصویربرداری تشدید مغناطیسی (mri) است. اما تشخیص و نا...

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

ناحیه بندی وفقی و نیمه نظارتی تومور در تصاویر mri

ناحیه بندی بافت مغز با هدف تفکیک دقیق بافت آسیب دیده یا بیمار مغز، یکی از مراحل اساسی در فرآیند تشخیص و درمان ناهنجاریهای بافت مغز است. اما ناحیه بندی عموما توسط رادیولوژیستها و متخصصین انکولوژی بصورت دستی صورت میگیرد که ضمن خسته کننده و دشواربودن از خطای انسانی نیز مصون نیست. پیچیدگی این فرآیند لزوم طراحی و استفاده از یک متد خودکار یا نیمه خودکار را مشخص میسازد. مطلوب اینست که روشی که برای ای...

15 صفحه اول

ناحیه بندی تومور در تصاویر ماموگرافی با استفاده از کانتور فعال چن-وسه و اطلاعات ویژگی محلی بافت

ناحیه بندی تومورهای سرطانی در تصاویر ماموگرافی مرحله ی مهمی در سامانه های تشخیص کمک کامپیوتری (CAD) بوده و یک مساله ی پر چالش است. در این مقاله از اطلاعات ویژگی محلی (LFI-CV) بافت تصویر در مدل کانتور فعال چن-وسه برای ناحیه بندی تومور استفاده شده است. در این مدل، ابتدا نگاشت ویژگی های بافت از تصویر استخراج می شود. سپس اطلاعات ویژگی محلی بافت تصویر به عنوان مقادیر ضرایب نیروی مدل چن-وسه در نظر گر...

full text

ناحیه بندی جمجمه از تصاویر mr نوزادان با استفاده از اطلاعات تصاویر ct

ارائه مدلی نزدیک به واقعیت برای سر نوزادان در کاربردهای متعددی نظیر مکانیابی منبع سیگنالهای الکتروانسفالوگرافی (eeg) و مگنتوانسفالوگرافی (meg)، بازسازی تصویر در روشهای مقطعنگاری امپدانس الکتریکی (eit) و مقطعنگاری نوری، طیف سنجی مادون قرمز نزدیک (nirs)، مطالعه ارتباط بین جمجمه و صورت جهت بازسازی جمجمهای – صورتی و مطالعه رشد و نمو جهت کنترل بیماریها قابل استفاده میباشد. یک مدل ساده از سر شامل پوس...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023