روشی جدید برای ناحیهبندی ضایعات پوستی در تصاویر درموسکوپی: بهینهسازی تابع انرژی مبتنی بر راستاهای شعاعی
نویسندگان
چکیده مقاله:
تشخیص مرز ضایعات، اولین گام در فرآیند تشخیص هوشمند ضایعات در تصاویر درموسکوپی است و به همین دلیل میتواند تأثیر مستقیم بر دقت و صحت مراحل بعدی بگذارد. متأسفانه، استخراج مرز ضایعات با محدودیتهایی از قبیل وجود مرزهای نامنظم، کنتراست ضعیف در برخی نواحی و وجود آرتیفکت مواجه است. هدف از این مقاله، ارائة نسخهای بهبودیافته از تکنیک بهینهسازی تابع انرژی برای تفکیک ضایعات از پوست در فرآیند پردازش تصاویر درموسکوپی است. این نسخه، از ایدهای برمبنای مفهوم راستاهای شعاعی در روند تکامل کانتور استفاده میکند، که کاهش حساسیت تخمین مرز ضایعات به محدودیتهای ذکرشده را به دنبال دارد. عملکرد روش ارائهشده روی مجموعه دادگانی از تصاویر درموسکوپی گرفتهشده از ضایعات مختلف با اندازه و مرزهای متفاوت، آزموده شده و نتایج حاصل از این روش با استفاده از معیارهای استاندارد با نتایج چند روش رقیب مقایسه میشود. افزایش نرخ تشخیص درست به میزان 6.17 درصد به موازات کاهش فاصلة هامود تا حدود 3/2 درصد توسط در روش پیشنهادی نسبت به نزدیکترین رقیبش، نشاندهندة بهبود فرآیند تشخیص مرز ضایعه درتصاویر درموسکوپی نسبت به روشهای موجود است.
منابع مشابه
بهسازی تصویر و آشکارسازی مرز ضایعات پوستی در تصاویر درموسکوپی
استفاده از تصاویر درموسکوپی یکی از راه های تشخیص ضایعات پوستی است. ناحیه بندی یکی از مهم ترین مراحل تشخیص سرطان به کمک تصاویر درموسکوپی است که نقش مهمی در مراحل بعدی تشخیص دارد. در این پایان نامه روشی برای ناحیه بندی تصاویر درموسکوپی براساس منحنی های فعال و شبکه عصبی ساختار جنگلی پیشنهاد شده است. به منظور ناحیه بندی با استفاده از منحنی های فعال ابتدا به حذف مو، تشخیص سایه و حذف آن پرداخته می ...
درموسکوپی در تشخیص سرطانهای پوستی غیرملانومی
Nowadays, in modern medicine, there is a great tendency to use non invasive or less invasive diagnostic and therapeutic methods with high precision and effectiveness. This is also true about diagnosis and treatment of non-melanoma skin cancers (NMSCs), that the prototypes are basal cell carcinoma (BCC) and squamous cell carcinoma (SCC) which also considered as the most common human cancers. The...
متن کاملروشی جدید جهت بخشبندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی
بخشبندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی به منظور کمک به تشخیص و پیگیری این بیماری در سالهای اخیر مورد توجه قرار گرفته است. در این مطالعه از مدل ترکیب گوسی (GMM) برای قطعهبندی ضایعات MS در تصاویر MR استفاده شد. به منظور بهینهسازی GMM از الگوریتم بیشینهسازی امید ریاضی (EM) استفاده میشود اما این الگوریتم معمولاً به یک نقطه بهینه محلی همگرا میشود که برای رهایی از گیر افتادن در ...
متن کاملروشی جدید جهت بخشبندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی
بخشبندی ضایعات مالتیپل اسکلروزیس (MS) در تصاویر MR مغزی به منظور کمک به تشخیص و پیگیری این بیماری در سالهای اخیر مورد توجه قرار گرفته است. در این مطالعه از مدل ترکیب گوسی (GMM) برای قطعهبندی ضایعات MS در تصاویر MR استفاده شد. به منظور بهینهسازی GMM از الگوریتم بیشینهسازی امید ریاضی (EM) استفاده میشود اما این الگوریتم معمولاً به یک نقطه بهینه محلی همگرا میشود که برای رهایی از گیر افتادن در ...
متن کاملروشی جدید برای بازنمونه برداری اپی پلار تصاویر خطی پوش بروم مبتنی بر مدل پارامترهای مداری
در تصاویر نرمال که براساس هندسۀ اپی پلار بازنمونه برداری شده اند، نقاط متناظر در زوج تصویر در راستای یک سطر یا ستون اند و پارالاکس قائم نخواهند داشت. این ویژگی تصاویر نرمال را به منزلۀ پیش نیاز اصلی طیف وسیعی از کارهای فتوگرامتری نظیر تناظریابی، مثلث بندی هوایی خودکار، تولید مدل رقومی زمین، تولید ارتوفتو، و برجسته بینی مطرح کرده است. در این مقاله، روش جدیدی مبتنی بر استفاده از مدل پارامترهای مد...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 10 شماره 4
صفحات 291- 302
تاریخ انتشار 2016-12-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023