Automatic luminal border detection in IVUS images: A textural approach
محل انتشار: ششمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,909
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP06_185
تاریخ نمایه سازی: 20 فروردین 1390
چکیده مقاله:
Segmentation of arterial wall boundaries from intravascular images is very important problem for many applications in the study of plaque characteristics mechanical properties of the arterial wall its border reconstruction and its measurements such as internal and external lumen radius intimae size and media adventitia radius . we present a texture feature extraction approach for segmentation of the arterial wall from intravascular ultrasound IVUS images in polar domain. in a properly built intimaee space using luminal measuring we applied the lumen border to a gray-level cooccurrence matrices GLCM operator and used fuzzy c-means FCM clustering to classify then utilize a curve fitting functio. furthermore the result compared with physician labelling.
کلیدواژه ها:
intravascular ultrasound IVUS images ، texture segmentaion ، feature extraction ، feature calssification
نویسندگان
shahed Mohammadi
department of computer engineering faculty of engineering azad unidrsity of arak
mohammadreza yazchi
department of biomedical engineering university of isfahan
alireza karimian
department of biomedical engineering university of isfahan
hajar mohammadi
department of electronic engineering c,zanjan university
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 :