روشی نوین برای تشخیص مکان تومور مغزی بر اساس عملیات مورفولوژیکی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,080

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AEBSCONF01_187

تاریخ نمایه سازی: 6 آبان 1393

چکیده مقاله:

پردازش مورفولوژیکی بدون شک یکی از مهمترین تکنیک های آنالیز و بررسی اشکال موجود در یک تصویر است و از کاربردهای آن می توان به ناحیه بندی، حذف نویز، و هموارسازی تصویر اشاره کرد. ناحیه بندی یک ابزار قوی در پردازش تصاویر پزشکی به خصوص تصاویر MRI می باشد. استخراج ناحیه ای که تومور در آنجا قرار دارد یکی از مهم ترین مراحل در سیستم های آنالیز تصاویر پزشکی می باشد. در این تحقیق روشی جدید به منظور بهبود کیفیت تصاویر پزشکی MR با استفاده از روش های مورفولوژی به منظور پیدا کردن مکان تومور درون این تصاویر ارائه شده است. قسمتی از تصویر که حاوی تومور است معمولا شدت بالاتری نسبت به بقیه نقاط دارد. لذا در این تحقیق با استفاده از تغییرات شدت تصویر حد آستانه بدست آمده و بوسیله آن آستانه گذاری انجام می گیرد. در مرحله بعد با استفاده از عملیات مورفولوژی و فیلتر وینر مکن تومور با دقت بالا استخراج شده است. نتایج کار حاضر نشان می دهند که ترکیب عملیات مورفولوژی و فیلتر وینر نسبت به روش آستانه گذاری، عملکرد بهتری دارا می باشند و تصاویر خروجی کیفیت بالاتری دارند.

نویسندگان

ناصر حلوایی پور

دانشجوی کارشناسی ارشد دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

جمشید سلطانی نبی پور

عضو هیئت علمی دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

عصمت راشدی

عضو هیئت علمی دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Chan TF, Vese LA. 2013. Active contours without edges. IEEE ...
  • Cheng, H.-D. Freimanis, R.I., Lui, Y.M. 2008. A novel Approach ...
  • Danielsson, P.E., Ye, Q.Z .2007. On minimum error thresholding and ...
  • G. Stockman, S. Kopstein, S. Benett. 2006. Matching images to ...
  • G.J. Grevera, J.K. Udupa. 2001.An objective comparison of 3D image ...
  • H. B. Kekre, Tanuja K. Sarode , Saylee Gharge. 2009. ...
  • J. Canny. 2008. A computational approach to edge detection. IEEE, ...
  • Matei Mancas, Bernard Gosselin, Benoit macq.2008. Segmentation Using a Region ...
  • M.L Mendelsohn, Prewitt, J.M.S. 2006. The analysis of cell images. ...
  • M. Usman Akram, Anam Usman 201 1. Computer Aided System ...
  • Petrou M, Sevilla PG. 2006. Image processing. dealing with texture. ...
  • Pradhan, N., Sinha, A.K. 2010. Development of a composite feature ...
  • Rafael c. Gonza lez-Richard e. Woods. 2008 Digital image processing. ...
  • Sahoo, P.K. Soltani, S.Wong, A.K.C .2013 , A survey of ...
  • نمایش کامل مراجع