استخراج اتوماتیک ارتفاع و عرض مهره های کمری از تصاویر رادیوگرافی به منظور تشخیص شکستگی نامحسوس آنها
محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,363
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME14_047
تاریخ نمایه سازی: 3 تیر 1387
چکیده مقاله:
شکستگی مهره ها بصورت Burst fracture (از هم پاشیدگی) و Compression fracture (شکستگی ناشی از فشردگی مهره ها) در زنان یائسه بسیار شایع بوده که جهت تشخیص آنها از اندازه گیری ارتفاع مهره ها و نسبت ارتفاع به عرض مهره ها استفاده می شود. این تحقیق برای تعیین ارتفاع مهره ها،از روش استخراج و بررسی منحنی های بدست آمده از مرزهای فوقانی و تحتانی هر مهره استفاده شده است. غالبا برای تشخیص شکستگی از تصویر جانبی ستون فقرات استفاده می شود،اما تصویر جانبی فاقد عرض مهره می باشد بنابراین در این تحقیق از تصویر روبرو که در آن علاوه بر ارتفاع مهره،عرض مهره نیز مشهود است استفاده شده است. روشهای مبتنی بر تشخیص شکل مهره و پیدا کردن تمام مرز مهره قادر به پاسخگویی به بسیاری از موارد نمی باشند بنابراین الگوریتم های استفاده شده از کارایی کافی برای تعیین ارتفاع و درنتیجه تشخیص شکستگی برخوردار نمی باشند. در این مقاله با کاهش خطای تعیین ارتفاع داخلی مهره به میزان کمتر از 4,99 % ارتفاع مهره، در 81,22 % مهره های کمری ( 1-4) و عرض مهره با میانگین خطای 4,32 % در 85,55 % موارد احتمال شکستگی در مهره های کمری تخمین زده شده است. جامعه آماری مورد بررسی 52 نفر از زنان یائسه با میانگین سنی 58 سال که 69,3 % سالم، 7,7 % یک مهره شکسته و 23 % بیش از یک مهره شکسته داشته اند هستند.
کلیدواژه ها:
تشخیص شکستگی های مهره های کمری ، استخراج لبه ، burst fracture (ازهم پاشیدگی مهره ها ) ، compression fracture (شکستگی ناشی از فشردگی مهره ها)
نویسندگان
شادی بحیرائی
دانشکده فنی دکتر شریعتی
فاطمه ایزدی
دانشکده فنی دکتر شریعتی
سید کمال الدین ستاره دان
قطب علمی کنترل و پردازش هوشمند. دانشکده مهندسی برق و کامپیوتر دانشگاه
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 :