بررسی اثرات مولفههای فرکانسی تصاویرMRIبر روی محاسبهی نفوذپذیری بافت مغز موش
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 578
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_042
تاریخ نمایه سازی: 7 بهمن 1393
چکیده مقاله:
برای درمان بیماری هایی مانند تومور و ام اس نیاز به روش هایی از تصویر برداری است که مقدار و حجم آسیب را مشخص کند. تصویر برداری تشدید مغناطیسی MRI با روش های تکرار، یکی از کاربردی ترین این روش ها می باشد. تصاویر حاصل از این روش ها عموما نویزی و دارای کنتراست کم می باشند و محاسباتی که به منظور محاسبه ی نفوذپذیری انجام می شود به علت نویز مجموعه، دقیق نیست. بنابر این کاربرد روش هایی که اطلاعات مفید را از تصویر جدا کند مهم است. در این تحقیق از روش مد تجزیه ی تجربی به منظور بهبود لبه ها درتصاویر MRI که به روش لوک و لاکر تهیه شده اند، استفاده شده است. در این روش با تجزیه ی تصویر به مولفه های اولیه ی آن و در ادامه با ترکیب این مولفه ها با وزن های متفاوت، سعی در جدا کردن اطلاعات لبه ها شده است. معمولا اطلاعات لبه ها در مولفه های فرکانس بالای روش EMD وجود دارد، بنابر این دادن ضریب وزنی بیشتر به این مولفه ها می تواند در استخراج اطلاعات ناحیه ی تومور کمک کند. در این راستا تصاویر ترکیبی مختلف از روی مولفه های تصاویر MRI ساخته شده و برای محاسبه ی نفوذپذیری مغز موش مورد نظر استفاده شده است. نتایج نشان می دهند که ترکیب وزنی ای که در آن مولفه های میانی و پایین فرکانس، ضریب وزنی 7/0 نسبت به مولفه ی فرکانس بالا داشته باشند مناسب تر است و مقدار نفوذپذیری محاسبه شده برای این حالت min-143/0 برآورد شده است.
کلیدواژه ها:
نویسندگان
مهدی کاویانپور
کارشناس ارشد فیزیک هستهای، دانشگاه آزاد اسلامی واحد تهران مرکز
عفت یاحقی
استادیار گروه فیزیک، دانشگاه بین المللی امام خمینی، قزوین
امیر موافقی
استادیار گروه پژوهشی ایمنی هستهای و حفاظت پرتوی، پژوهشگاه علوم و فنون هستهای، تهران
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 :