استفاده از مکانیزم مبتنی بر قشر بینایی مغز به منظور ناحیه بندی تومورها در تصاویر mri مغزی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق
- نویسنده علیرضا حاجیانی
- استاد راهنما محمد تشنه لب
- سال انتشار 1392
چکیده
دردهه اخیرسرطان به یکی از بیماری های شایع درمیان انسان ها تبدیل شده است. براساس آمار منتشرشده توسط جامعه تومورشناسان آمریکا، نسبت بیماران درمان شده مبتلا به سرطان مغز درطول پنجسال فقط 11% است. انتخاب بهترین نوعدرمان این سرطان به میزان توانایی پزشک در شناسایی نوع ،موقعیت، اندازه و مرز تومور بستگی دارد. یکی از روش های تعیین نوع تومور استفاده از روش های تصویر برداری پزشکی است. متداول ترین روش تصویربرداری از مغز، روش تصویربرداری تشدید مغناطیسی (mri) است. از آنجا که تشخیص بیماری های سرطان وطبقه بندی آنها وابسته به دانش و تجربه پزشک است، دراین مطالعه سعی برآن شد تا با بکار گیری تصاویرmr ازیکسو ودانش ومهارت پزشکان از سوی دیگر، یک سیستم cad براساس مدل سلسله مراتبی مبتنی بر قشر بینایی مغز (hmax) برای ایجاد تمایز بین تومورهای بدخیم و خوش خیم درتصاویرmr مغزی ایجاد نماییم. بکارگیری مدل سلسله مراتبیhmax وهمچنین استفاده از روش انتخاب ویژگی مبتنی بر الگوریتم ژنتیک درتصاویرmrمغزی جهت تشخیص نوع تومور، جزء نوآوری های این تحقیق به شمار می ِآیند. بعه دلیل عدم دسترسی به پایگاه داده استانداردجهت بررسی عملکرد مدل، ساختار پیشنهادی در ابتدا توسط پایگاه داده استاندارد مربوط به سرطان سینه موردارزیابی قرار گرفت. نتایج شبیه سازی برای 1200 عدد roi حاوی تومور خوش خیم و بدخیم مربوط به پایگاه داده سرطان سینه و بدون بکارگیری روش انتخاب ویژگی مبتنی بر الگوریتم ژنتیک، منجر به بدست آمدن میزان صحت 83/99% ومیزان حساسیت 66/99% وخصوصیت 91/99% شد. عملکرد طبقه بند درشبیه سازی مدل پیشنهادی با داده ای شامل 304 عددroiحاوی تومورخوش خیم وبدخیم مغزی، بااستفاده ازساختار اولیه وعدم استفاده از انتخاب ویژگی توسط الگوریتم ژنتیک، درمرحله آزمایش دارای صحت 53/93%،حساسیت 51/94% وخصوصیت 54/92% بود. این مقادیر با بکارگیری انتخاب ویژگی توسط الگوریتم ژنتیک بعد از مدل سلسله مراتبی hmax،به طور میانگین به میزان صحت 68/98% وهمچنین میزان حساسیت 69/97% ومیزان خصوصیت 03/99% منجرشد.
منابع مشابه
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...
متن کاملقطعه بندی تومور مغزی در تصاویر mri
رشد نامحدود و غیرقابل کنترل سلول¬ها باعث پیداش تومور در مغز می¬شود. اگر تومورهای مغزی به سرعت شناسایی و بطور مناسب درمان نشوند، می¬توانند باعث آسیب مغزی دائم و یا حتی مرگ بیمار شوند. در سال¬های اخیر تصویربرداری تشدید مغناطیسی (mri) نسبت به سایر روش¬های تصویربرداری پزشکی، برای معاینه و تشخیص کمکی تومورهای مغزی بطور گسترده مورد استفاده قرار گرفته است که علاوه بر داشتن کنتراست بالا برای بافت¬های ن...
ناحیه بندی خودکار تصاویر mri مغزی با استفاده از الگوریتم سطوح همتراز
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...
15 صفحه اولفشرده سازی انتخابی تصاویر MRI سه بعدی با استفاده از مش بندی انطباقی تصویر و اعمال تبدیل ویولت مبتنی بر ناحیه
امروزه با توجه به حجم بالای داده های حاصل از انواع سیستم های تصویربرداری پزشکی، مساله فشرده سازی این گونه تصاویر به یک امر مهم تبدیل شده است. بیشتر روش هایی که تاکنون ارائه شده اند، یا به دلیل حذف اطلاعات مهم پزشکی یا به دلیل پایین بودن نرخ فشرده سازی آنها چندان مطلوب نیستند. به تازگی برخی روش های فشرده سازی تصاویر پزشکی ارائه شده اند که به صورت انتخابی به کدگذاری تصاویر می پردازند. در این روش ...
متن کاملتعیین محل هیپوکمپوس در تصاویر MRI مغز انسان با استفاده از یک سیستم خبره
هیپوکمپوس قسمتی از ماده خاکستری و یکی از ساختارهای طبیعی مغز انسان است. برای منظورهای تحقیقاتی ، تشخیصی و درمانی ، تخمین حتی الامکان دقیقی از حجم این ساختار مورد نیاز است. این کار معمولاً از طریق بررسی تصاویر MRI انجام میشود. تخمین حجم هیپوکمپوس می تواند در سه مرحله به انجام رسد: 1) تعیین محل تقریبی، 2) تشخیص مرزهای دقیق، 3) محاسبات مربوط به تخمین حجم هیپوکمپوس. این مقاله روشی اتوماتیک (خودکار )...
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 صنعتی خواجه نصیرالدین طوسی - دانشکده برق
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023