مطالعه روش هایی جهت شناسائی محورمیانی رگ موجود در تصاویر پزشکی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 599

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:

AIHE08_388

تاریخ نمایه سازی: 13 آبان 1393

چکیده مقاله:

با توجه به پیشرفت های اخیر در زمینه فن آوری تصویر برداری عروقی سه بعدی و دو بعدی، تصاویر عروقی با وضوح بالا در حال حاضر قابل حصول می باشند و لذا امکان تعیین خاصیت رگ با فرایند های تجزیه وتحلیل تصاویر نتیجتاً باعث شناسائی پارامترهای معنی داری برای کاربردهای بالینی شده است، که نمونه ای از این پارامترها محورمیانی Centerlineاست. روش های مکانیزه گوناگونی توسط افراد مختلف جهت شناسایی محورمیانی پیشنهاد شده است. لذا در این مقاله با بررسی تعدادی از روش های شناسائی محور میانی از ساختارهای لوله ای و انجام سازماندهی مزایا و معایب این روش ها در قالب جدول مربوطه سعی در شناخت هر چه بیشتر روش های مذکور دراین حوزه کردیم. نتیجه این مطالعه را می توان اینگونه بیان کرد، روش هایی که محورمیانی را مستقیماً از تصاویر پزشکی با شرایط و کیفیت مختلف شناسائی می کنند روش هایی هستند که محورمیانی را به صورت مستقل از فرآیند تقطیع Segmentation رگ، شناسائی می کنند و بعلت محاسبات مستقیم، هیچ خطای انباشته ای ندارند. در مقایسه با این روش ها، روش هایی که بعد از تقطیع رگ اجرا می شوند، پیاده سازی ساده تری از نظر زمان اجرا دارند و بسیار مستحکم هستند. بعلت همین مزایا روش های شناسائی محورمیانی از رگ های تقطیع شده در بسیاری از کاربردهای عملی مورد استفاده قرار می گیرد. محور میانی شناسائی شده از رگ های تقطیع شده غلط معمولاً غلط هستند.

نویسندگان

محمد شریفی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات البرز

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 :
  • کردند، یک روش بر مبنای ضخامت رگ برای تشخیص رگ‌هایی ...
  • Kang , D.G., Suh , D.C., and Ra , J. ...
  • Bouix , S., Siddiqi, K., Tannenbaum , _ Flux driven ...
  • Kass, _ Witkin, A., Terzopoulos, D., 1987. Snake, active contour ...
  • Malladi, R., Sethian, _ Vemuri, B.C., 1995. Shape modeling with ...
  • Kichenassamy, S., Olver, P., Tannenbaum, A., Yezzi, A., 1996. Conformal ...
  • Caselles, V., Kimmel, R., Sapiro, G., 1995. Geodese Conference on ...
  • Deschamps, T., Cohen, L.D., 2001. Fast extraction of minimal paths ...
  • Wink, O., Niessen, W.J, Viergever, M.A., 2004. Multiscale vessel tracking. ...
  • Robusء [10] M. Sabry Hassouna and Aly A. Farag., 2005. ...
  • Computer Vision and Image Processing Laboratory (CVIP). University of Louisville, ...
  • Bitter, I., Kaufman, A.E.. Sato, M., 2001. Penalized- distance volumetric ...
  • A.Telea, J. J.vanWik., ; An Augmented FastMarching Method for Computing ...
  • M. Rumpf, A. Telea., " A Continuous Skeletonization Method Based ...
  • S. Bouix, K. Siddiqi, and A. Tannenbaum., : Flux Driven ...
  • Sadleir RJT, Whelan PF., ; Colon centreline calculation for CT ...
  • Wan M, Liang Z, Ke Q, Hong L, Bitter I, ...
  • A. Telea, A. Vilanova., ;: A Robust Level-Set Algorithm for ...
  • R.T. Sadleir, P.F. Whelan., ;: Fast colon centreline calculation using ...
  • _ _ _ W.J. Niessen., ; Cardiac _ tion-corrected iterative ...
  • A.M. MendoncZa, A. Campilho., : Segmentation of retinal blood vessels ...
  • A .Tannenbaum. _ Vessel Segmentation wvith Automatic Centerline Extraction Using ...
  • arteries in CT angiographic images, " International Conference on Information ...
  • نمایش کامل مراجع