ناحیه بندی و جداسازی بافت های مغزی در تصاویر پزشکی با استفاده از روش عصبی-فازی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی برق
- نویسنده رضا ولی پورابراهیمی
- استاد راهنما غلامعلی رضائی راد
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1383
چکیده
تصویر برداری mri یکی از بهترین روش های تصویر برداری در مهندسی پزشکی می باشد. یکی از کاربردهای این روش، تصویربرداری از بافت های مغز می باشد. تصاویر mri مغز معمولا دارای دو مشکل غیر یکنواختی و نویز می باشند. که این وارد ناحیه بندی آن ها را مشکل می سازد. در این رساله به بیان یک الگوریتم ترکیبی بر پایه شبکه های عصبی- فازی جهت ناحیه بندی بافت های مغز در تصاویر mri خواهیم پرداخت. چنانچه خواهیم دید این الگوریتم قادر است بر دو مشکل ذکر شده غلبه کرده و تصاویر mri مغز را به خوبی ناحیه بندی کند. از ویژگی های دیگر این الگوریتم ، اتوماتیک بودن آن می باشد. الگوریتم پیشنهادی (پس از تنظیم پارامترهای اولی مورد نیاز) قادر است تحت یک پروسه بی سرپرست به ناحیه بندی بافت های تصویر بپردازد. نحوه عملکرد روش مطرح شده بدین شکل است که در ابتدا، در تصویر mri، بافت مغز را از سایر بافت های سر جدا شده تا آنالیز ناحیه بندی تنها برروی بافت مغز انجام گیرد. در مرحله دوم به ناحیه بندی بافت های مغز با استفاده از الگوریتم های عصبی- فازی خواهیم پرداخت. در مرحله سوم با استفاده از یک سیستم استنتاج گر فازی به جداسازی تومور (در صورت وجود) از سایر بافت های مغز می پردازیم. نتایج بدست آمده از الگوریتم های پیشنهادی نشان می دهد که این روش ها دارای دقت قابل قبولی در ناحیه بندی تصاویر mri مغز می باشد.
منابع مشابه
اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملناحیه بندی تومور در تصاویر ماموگرافی با استفاده از کانتور فعال چن-وسه و اطلاعات ویژگی محلی بافت
ناحیه بندی تومورهای سرطانی در تصاویر ماموگرافی مرحله ی مهمی در سامانه های تشخیص کمک کامپیوتری (CAD) بوده و یک مساله ی پر چالش است. در این مقاله از اطلاعات ویژگی محلی (LFI-CV) بافت تصویر در مدل کانتور فعال چن-وسه برای ناحیه بندی تومور استفاده شده است. در این مدل، ابتدا نگاشت ویژگی های بافت از تصویر استخراج می شود. سپس اطلاعات ویژگی محلی بافت تصویر به عنوان مقادیر ضرایب نیروی مدل چن-وسه در نظر گر...
متن کاملتشخیص تومورهای مغزی با استفاده از ترکیب سیستم استنتاج فازی-عصبی وفقی و خوشه بندی سلسله مراتبی
تشخیص محدوده تومورهای مغزی یک گام مهم و اساسی در سیستمهای تشخیص و درمان خودکار می باشد. در این مقاله یک روش ترکیبی مبتنی بر سیستم استنتاج فازی-عصبی وفقی (ANFIS) و خوشه بندی سلسله مراتبی برای تشخیص موقعیت و محدوده تومورهای مغزی ارائه شده است. برای این منظور ابتدا خط مرکزی ناحیه مغز تشخیص داده شده، سپس با بلاک بندی ناحیه دو نیمکره مغز و استخراج ویژگی شدت روشنایی و بافت هر بلاک و نیز با بهره گیری...
متن کاملطبقه بندی سنگ های ساختمانی از دیدگاه قابلیت برش با استفاده از روش خوشه بندی فازی
پیش بینی قابلیت برش سنگ به عنوان یکی از فاکتورهای موثر در تخمین هزینهها و پیش بینی میزان تولید یک کارخانه فرآوری سنگ از اهمیت بالایی برخوردار میباشد. بنابراین شناخت کامل سنگهای ساختمانی و ارزیابی توان اجرایی دستگاههای برش در کارخانههای فرآوری، طراحان و برنامهریزان تولید را به سمت بهبود سرعت فرآوری و افزایش تولید سوق میدهد. از اینرو، به کارگیری روشهای نو و کاربردی برای دستیابی به این اه...
متن کاملآشکارسازی 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 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 علم و صنعت ایران - دانشکده مهندسی برق
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023