بخش بندی فازی تعمیم یافته ی مسیرهای فیبری بافت سفید مغز حاصل از dt-mri
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی
- نویسنده علیرضا مهرتاش
- استاد راهنما محمدباقر نقیبی سیستانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
در این پایان نامه، شیوه ای جدید برای مساله خوشه بندی رشته های فیبری بافت سفید مغز، حاصل از تصاویر ام.آر.آی تانسور انتشاری (dt-mri) ارائه شده است. در حال حاضر تصویر برداری انتشار تنها روش موجود در مطالعه ویژگی های بافت سفید مغز انسان زنده می باشد. دنبال کردن بردار ویژه های اصلی تانسورها جهت بازسازی مسیرها با عمل tractography روشی متداول در مشاهده و تحلیل تصاویر dt-mri است. گروه بندی مسیرهای فیبری در دسته های آناتومیکی مربوط، تحلیل و ارائه نتیجه گیری های مناسب ازاین داده ها را ممکن می سازد. اخیرا روش های گوناگونی به منظور خوشه بندی فیبر های بافت سفید ارائه شده است. الگوریتم پیشنهادی برتری های بسیاری نسبت به روش های قبلی دارا می باشد. الگوریتم خوشه بندی ارائه شده نوعی تعمیم برای الگوریتم خوشه بندی فازی کلاسیک می باشد. در مساله خوشه بندی رشته های فیبری بافت سفید مغز، اشیاء، رشته های فیبری می باشند که از منظر ریاضیاتی به صورت منحنی های سه بعدی نمونه برداری شده مدل می شوند. برای پیاده سازی و به کار گرفتن یک الگوریتم خوشه بندی فازی بر روی این نوع خاص از داده ها، روابط ریاضی و برخی تعریف ها به گونه ای مناسب تعمیم داده شدند و با تعریف مفهوم درخت پروتو تایپ دسته (bundle prototype tree)، bpt امکان انجام مقایسه دقیق میان فیبرهای مختلف و پروتوتایپ هر دسته فیبری فراهم شده است. همچنین برای اولین بار به جای در نظر گرفتن تنها یک معیار شباهت برای بررسی نزدیکی فیبرها، از ترکیب تمامی عوامل شباهت از جمله فاصله، شکل، طول و نقاط ابتدایی و انتهایی به شکل مناسبی بهره برده ایم. نتایج حاصل از این روش موجب افزایش سرعت دسته بندی در کنار افزایش دقت روش و مقاوم بودن الگوریتم در برابر نویز و outlier ها می گردد.
منابع مشابه
NURBS in DT-MRI
S. Pajevic, P. J. Basser MSCL/CIT, National Institutes of Health, Bethesda, MD, United States, NICHD/STBB, NIH, Bethesda, MD, United States Introduction: Diffusion Tensor MRI (DTI) measures a diffusion tensor of water in tissue, fr om which useful micr ostructural information can be obtained [1]. DTI provides information about the local diffusion field from which one can attempt to reconstruct...
متن کاملGenerating Simulated DT-MRI Dataset
Diffusion tensor magnetic resonance imaging (DTMRI), also known as diffusion tensor imaging (DTI), needs post processing by adequate image analysis and visualization tools. White matter tractography using DTI is becoming a routine MR technique to study white matter properties, connectivity, and alterations of fiber integrity due to pathology. The success of the method depends on the accuracy of...
متن کاملAnisotropic Interpolation of DT-MRI
Diffusion tensor MRI (DT-MRI) is an image modality that is gaining clinical importance. After some preliminaries that describe the fundamentals of this imaging modality, we present a new technique to interpolate the diffusion tensor field, preserving boundaries and the constraint of positive-semidefiniteness. Our approach is based on the use of the inverse of the local structure tensor as a met...
متن کاملDT-MRI Tractography and its Application in Cognitive Neuroscience
Recent advancement of MRI techniques and development of new methods of image analysis have allowed us to study large neural tracts within the human brain. This is based on the principle of diffusion tensor MRI that is similar to that of diffusion-weighted imaging but takes magnitude and direction of the diffusion of water into account. Using this technique we have been able to define large neur...
متن کاملDT-MRI Tractography and its Application in Cognitive Neuroscience
Recent advancement of MRI techniques and development of new methods of image analysis have allowed us to study large neural tracts within the human brain. This is based on the principle of diffusion tensor MRI that is similar to that of diffusion-weighted imaging but takes magnitude and direction of the diffusion of water into account. Using this technique we have been able to define large neur...
متن کاملSegmentation of DT-MRI Anisotropy Isosurfaces
While isosurfaces of anisotropy measures for data from diffusion tensor magnetic resonance imaging (DT-MRI) are known to depict major anatomical structures, the anisotropy metric reduces the rich tensor data to a simple scalar field. In this work, we suggest that the part of the data which has been ignored by the metric can be used to segment anisotropy isosurfaces into anatomically meaningful ...
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 فردوسی مشهد - دانشکده مهندسی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023