ناحیه بندی خودکار تصاویر mri مغزی با استفاده از الگوریتم سطوح همتراز

thesis
abstract

در این پایان نامه هدف ارائه روشی خودکار به منظور ناحیه بندی تصاویر تشدید مغناطیسی مغز انسان به سه بافت مختلف ماده سفید، ماده خاکستری و مایع مغزی-نخاعی بر اساس الگوریتم سطوح همتراز می باشد. از مهمترین چالش ها در ناحیه بندی خودکار تصاویر تشدید مغناطیسی مغزی وجود نویز و نایکنواختی شدت روشنایی می باشد. در روش پیشنهاد شده در این پایان نامه با استفاده از الگوریتم سطوح همتراز، به طور همزمان ناحیه بندی تصاویر تشدید مغناطیسی مغزی، اصلاح نایکنواختی شدت روشنایی و حذف نویز انجام می گیرد. بدین منظور تابعی ای پیشنهاد شده است که از توزیع گوسی به همراه محاسبه اطلاعات میانگین و واریانس محلی بهره می جوید. در این روش با مدل کردن نایکنواختی شدت روشنایی تصاویر تشدید مغناطیسی مغزی به صورت یک مدل ریاضی به اصلاح آن در زمینه ناحیه بندی این گونه تصاویر پرداخته می شود. همچنین در روش پیشنهادی از میدان تصادفی مارکوف (مدل مارکوف) برای مدل سازی همبستگی مکانی بین پیکسل ها/ وکسل های تصاویر تشدید مغناطیسی استفاده شده است. نتایج اعمال الگوریتم پیشنهادی بر روی داده های شبیه سازی شده و واقعی تصاویر تشدید مغناطیسی و همچنین ارزیابی های کیفی و کمی کارایی و دقت بالای روش پیشنهادی در مقایسه با روش های ارائه شده در سال های اخیر مانند lgdf و fsl را نشان می دهد. کلمات کلیدی: تصویر تشدید مغناطیسی، ناحیه بندی مغز، الگوریتم سطوح همتراز، مدل مارکوف، ناهمگنی شدت روشنایی

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

ناحیه بندی بطن چپ در تصاویر تشدید مغناطیسی قلبی با استفاده از الگوریتم سطوح همتراز

در سال های اخیر اطلاعات به دست آمده از تصاویر پزشکی تهیه شده از بیماران نقش عمده ای را در تصمیم گیری پزشک معالج در درمان ایفا می کند. در میان روش های تصویربرداری مختلف، تصویربرداری تشدید مغناطیسی(mr) یکی از دقیق ترین و رایج ترین روش های تهیه تصویر از بدن بیمار به شمار می رود. یکی از دلایل استفاده بسیار از این تصاویر mr در میان پزشکان، اطلاعات بسیار زیاد و مختلفی است که میتوان از این تصاویر تهیه...

15 صفحه اول

بهینه سازی روش های سطوح همتراز با استفاده از الگوریتم های تکاملی برای ناحیه بندی تصاویر

یافتن مرز دقیق شکل در ناحیه بندی تصاویر یکی از چالش های مهم در زمینه ناحیه بندی است. روش سطوح همتراز یکی از رایج ترین روش های ارائه شده در این زمینه می باشد. با توجه به تعداد زیاد ضرایب روش سطوح همتراز، کارکرد صحیح این روش نیازمند تعیین مقادیر مناسب این ضرایب است. برای تعیین ضرایب دو مسئله را باید در نظر داشت: اول اینکه این ضرایب با توجه به نوع تصویر مقادیر متفاوتی به خود می گیرند و دوم اینکه ب...

15 صفحه اول

ناحیه بندی خودکار جمجمه از تصاویر ct نوزادان با استفاده از روش سطوح همتراز بر مبنای مدل اولیه

در این پایان نامه، هدف ارائه روشی جهت ناحیه بندی خودکار بافت جمجمه و فونتانل از تصاویر ct می باشد. جمجمه ی نوزادان از چند قسمت استخوانی تشکیل شده است که این قسمت ها توسط یک غشای فیبری به نام فونتانل بهم متصل شده اند و کنتراست پایین تری نسبت به بافت استخوانی در تصاویر ct دارند. تعیین مکان دقیق فونتال ها در کاربردهایی مانند حل مسأله معکوس مکانیابی منابع سیگنال های الکتریکی مغزی (eeg) و یا بررسی ا...

15 صفحه اول

آشکارسازی ناحیه تومور مغزی با استفاده از بخش‌بندی دومرحله‌ای تصاویر MRI

آشکارسازی دقیق و به‌موقع ناحیه تومور مغزی در انتخاب نوع درمان، میزان موفقیت آن و دنبال کردن روند بیماری در طول درمان تأثیر بسیار بالایی دارد. الگوریتم‌های موجود برای تشخیص تومور مغزی از نظر عملکرد خوب روی تصاویر مغزی متنوع با کیفیت‌های مختلف، حساسیت پایین نتایج به پارامترهای معرفی شده در الگوریتم و نیز تشخیص مطمئن تومورها در مراحل اولیه شکل‌گیری با مشکلاتی مواجه هستند. در این تحقیق یک روش بخش‌ب...

full text

بخش بندی تصاویر mri مغزی با استفاده از الگوریتم خوشه یابی بهبود یافته fcm

اولین مرحله در زمین? تحلیل تصویر mri مغز تفکیک بافت های مغز از یکدیگر می باشد که به دلیل ویژگی خاص این تصاویر، تفکیک این بافت ها از یکدیگر با مشکلاتی مواجه می باشد. مهمترین مشکل در این زمینه، تاثیر حجم جزیی می باشد که از اشتراک دو یا چند بافت در یک پیکسل حاصل می گردد. تحت تاثیر این ویژگی، بخش بندی تصاویر mri و یا به عبارتی کلیه تصاویر پزشکی با چالشی بزرگ مواجه بوده که پس از سالها تلاش در این زم...

15 صفحه اول

ناحیه بندی تصاویر پزشکی(mri)با استفاده از الگوریتم های تکاملی

تصویر برداری تشدید مغناطیسی(mri) به عنوان یکی از قوی ترین روش های تصویر برداری تشخیصی شناخته شده است. غیر تهاجمی بودن، غیر یونیزه بودن، درجه تفکیک بالا برای بافت های نرم و ایجاد تصاویر چند طیفی، مهمترین ویژگی های این روش هستند. اولین مرحله در تحلیل تصاویرmri ، ناحیه بندی کردن تصاویر است. در این مرحله سه دسته مهم بافت مغزی با شدت روشنایی های متفاوتی نمایان می گردد. این سه دسته مهم عبارتند از قسم...

15 صفحه اول

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 شیراز - دانشکده مهندسی برق و الکترونیک

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023