نمایش سه بعدی و تجزیه تصاویر پزشکی mriبه کمک شبکه عصبی هاپفیلد
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز
- نویسنده منصور ثمودی
- استاد راهنما محمد علی مسندی شیرازی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1378
چکیده
در این پروژه از شبکه عصبی هاپفیلد رقابتی (chnn) به صورت unsupervised برای دسته بندی و تجزیه تصاویر پزشکی mri استفاده شده است . این شبکه نوع خاصی از شبکه هاپفیلد است که در آن شبکه بصورت رقابتی winner taskes all آموزش می بیند.مسئه تجزیه تصویر بر اساس دسته بندی پیکسل ها و با در نظر گرفتن شدت روشنایی آنها در کل تصویر انجام می شود.در این شبکه تابع انرژی که نمایانگر متوسط مربع اختلاف بین شدت روشنایی هایی است که در یک گروه قرار می گیرند، به حداقل می رسد.تعداد نورونها در این شبکه مستقل از ابعاد تصویر می باشد.با توجه به ساختار این شبکه و آموزش به صورت wta برای کاهش احتمال نوسانات نامحدود این شبکه باید به صورت اسنکرون آموزش داده شود.مشکلی که در اکثر شبکه های عصبی وجود دارد مشکل حداقل های محلی (local minimim)است در این پروژه با ارائه یکروش جدید وضعیت اولیه شبکه طوری تعیین می شود که احتمال قرارگرفتن شبکه در حداقل های محلی کاهش یابد.نتایج شبیه سازی کاهش بسیار زیاد خطای متوسط در دسته بندی چند مجموعه از داده های اتفاقی را نشان می دهد.تصاویر سه بعدی دست آمده از سیستم های تصویربرداری پزشکی معمولا در جهات مختلف دارای قدرت تکیک یکنواخت نیستند.عموما فاصله بین لایه ها بیشتر از اندازه یک پیکسل در داخل یک لایه است.در این پروژه برای نمایش حجم سه بعدی ، پس از تجزیه تصویر به منظور بدست آوردن تصویر یکنواخت یک مرحله درونیابی ، صوت گرفته است.همچنین دراین پروژه از روش volume rendering برای سه بعدی سازی تصاویر پزشکی استفاده شده است.با این روش می توان میزان شفافیت حجم سه عدی را تغغیر داده و اجزای داخلی را صورت نیمه شفاف مشاهده نمود.همچنین می توان حجم مورد نظر رااز زوایای گوناگون مشاهده کرده و در هر زاویه و مقطع دلخواهی ، برشی از این حجم سه بعدی را بدست آورد.
منابع مشابه
تناظریابی تصاویر ماهواره‌ای بر پایه‌ی تبدیل پروجکتیو و با استفاده از شبکه‌ی عصبی هاپفیلد
به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره‌ای، تناظریابی این تصاویر یکی از چالش‌برانگیزترین مسائل در سنجش از دور می‌باشد. این فعالیت به صورت گسترده‌ای در سنجش از دور به منظور طبقه‌بندی چند منبعی، مانیتورینگ محیط، بازرسی تغییرات، موزائیک نمودن تصاویر و ... کاربرد دارد. روش‌های زیادی برای تناظریابی ارائه شده‌اند، یکی از این روش‌ها تناظ...
متن کاملقطعهبندی توده‌ها در تصاویر سه بعدی ABUS به کمک یادگیری ژرف
سرطان پستان دومین عامل مرگ زنان در جهان است. این بیماری هر چه زودتر تشخیص داده شود، احتمال موفقیت درمان آن بیشتر خواهد بود. امروزه بدلیل مشکلات تصویربرداری ماموگرافی، استفاده از تصاویر فراصوت برای تشخیص سرطان پستان در حال افزایش است. یکی از انواع سامانه های تصویربرداری پستان، ABUS است. این نوع تصویربرداری دارای مزایای زیادی نسبت به ماموگرافی و سایر روش‌های تصویربرداری فراصوت است. طراحی یک سام...
متن کاملساخت تصاویر سه بعدی از تصاویر دوبعدی پزشکی
در علم پزشکی جهت تشخیص بسیاری از بیماریها از تصاویر رادیولوژی استفاده می شود. تصویربرداری با ct-scan, mri از جمله روشهایی هستند که اخیرا مورد استفاده قرار گرفته اند. با توجه به اینکه تصاویر بدست آمده از مقطع مورد نظر به صورت دوبعدی می باشند و همواره در تشخیص بسیاری از بیماریها ممکن است پزشک معالج را دچار خطا کنند، لذا ارائه روشهایی جهت ساخت تصاویر سه بعدی اعضای داخلی بدن از این تصاویر دوبعدی می...
15 صفحه اولتناظریابی تصاویر ماهواره ای بر پایه ی تبدیل پروجکتیو و با استفاده از شبکه ی عصبی هاپفیلد
به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره ای، تناظریابی این تصاویر یکی از چالش برانگیزترین مسائل در سنجش از دور می باشد. این فعالیت به صورت گسترده ای در سنجش از دور به منظور طبقه بندی چند منبعی، مانیتورینگ محیط، بازرسی تغییرات، موزائیک نمودن تصاویر و ... کاربرد دارد. روش‌های زیادی برای تناظریابی ارائه شده اند، یکی از این روش ها تناظ...
متن کاملبهبود عملکرد الگوریتم خوشه‌یابی خودکار تصاویر رنگی به کمک پیش‌پردازش با شبکه عصبی خودسامانده (SOM)
با توجه به کاربرد فراوان مسئله خوشه‌یابی داده‌ها به‌عنوان یکی از مسائل مهم در مبحث بازشناسی الگو، زمینه‌های تحقیقاتی متنوعی از جمله خوشه‌یابی تصاویر به این موضوع اختصاص یافته است. اکثر روش‌های مطرح‌شده برای حل مسئله خوشه‌یابی تصاویر، مبتنی بر الگوریتم‌های هوش‌جمعی می‌باشد. با توجه به حجم بالای داده ورودی در این الگوریتم‌ها (برابر تعداد پیکسل‌های تصویر)، زمان محاسباتی زیادی صرف حل مسئله می‌شود ب...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023