بررسی روش اصلاح میدان بایاس و بخش بندی همزمان در الگوریتم تنظیم سطح و محاسبه حجم نواحی بافت های بخش بندی شده درتصاویر MR مغزی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 744

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICESCON03_161

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

امروزه به دلیل وجود ناهمگنی های شدت در تصاویر MR واقعی، انجام عملیات اصلاح میدان بایاس و بخش بندی به صورت همزمان تبدیل به یکی از زمینه های تحقیقاتی مهم در زمینه پردازش تصاویر فوق شده است. تلاش های زیادی درجهت حل این مساله صورت گرفته، با این وجود الگوریتم های بسیار کمی وجود دارد که قادر به اصلاح میدان بایاس و بخش بندی به صورت همزمان هستند. اغلب الگوریتم های ارایه شده دارای یک روال جداگانه برای تخمین و اصلاح میدان بایاس بوده و یک روال جداگانه نیز برای بخش بندی تصاویر فوق دارند که به لحاظ محاسبات و زمان هزینه بر بوده و اغلب دچار خطا می شوند. در این مقاله روشی بر مبنای الگوریتم تنظیم سطح ارایه می شود که قادر است تا به صورت همزمان عملیات اصلاح میدان بایاس و بخش بندی را در حالت خودکار انجام دهد. هدف استفاده از این الگوریتم بخش بندی دقیق نواحی بافت های سه گانه مغزی یا GM ، WM و CSF بوده و همچنین به دست آوردن حجم هرچه دقیق تر هر ناحیه به صورت جدامی باشد. تحلیل های کمی و کیفی بر روی نتایج حاصل از این الگوریتم که توسط شاخص های ژاکارد، دایس و دقت کلاس بندی انجام شد، مقادیر بالای 9/ را برای هر سه شاخص فوق و نواحی سه گانه بافت های مغزی را نشان دادند که دقت بخش بندی بالای الگوریتم را نشان می دهد.

نویسندگان

اکبر علی پور صیفار

گروه مخابرات واحد علوم و تحقیقات آذربایجان شرقی، دانشگاه آزاد اسلامی تبریز ،ایران

موسی شمسی

گروه مخابرات واحدتبریز، دانشگاه آزاد اسلامی تبریز ایران

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 :
  • Wells, Grimson, Kikinis and Jolesz. (1996). Adaptive segmentation of MRI ...
  • Pham, Prince. (1999). Adaptive fuzzy segmentation of magnetic resonance imaging. ...
  • Johnston, Atkins, Mackiewich and Anderso. (1996). Segmentation of multiple seclerosis ...
  • Dawant, Zijdenbos and Margolin. (1993). Correction of intensity variational in ...
  • Sled, Zijdenbos and Evans. (1998). A nonparametric method for automatic ...
  • Leemput, Maes, Vandermeulen, Suetens. (1999). Automated model-based bias field correction ...
  • Styner, Brechbuhler, Szekely and Gerig. (2000). Parametric estimate of intensity ...
  • Ahmed, Yang, Mohamed, Fareg and Moritarty. (2002). A modified fuzzy ...
  • Li, Huang, Ding, Gatenby, Metaxas and Gore. (2008). A variational ...
  • Likar, Viergever and Perus. (2001). Retrospective correction of MR intensity ...
  • Vovk, Pernus and Likar. (2007). A review of methods for ...
  • Chunming, Rui, Zhaohua, Gatenby, Dimitris, Metaxas and Gore. (2011). A ...
  • Chan and Vese. (2001). Active contours without edges. IEEE Transaction ...
  • Li, Kao, Gore and Ding. (2008). Minimization of region scalable ...
  • Ranfard. (1994). Region-based strategies for active contour models. Int. J. ...
  • Tsai, Yezzi and Willsky. (2001). Curve evolution implementation of the ...
  • Vese and Chan. (2002). A multiphase level set framework for ...
  • Caselles, Kimmel and Sapiro. (1997). Geodesic active contours. Int. J. ...
  • Kimmel, Amir and Buckstei. (1995). Finding shortest paths on surfaces ...
  • Malladi, Sethian and Vemuri. (1995). Shape modeling with front propagation: ...
  • Vasilevskiy and Siddiqi. (2002). _ _ -maximization geometric flows. IEEE ...
  • نمایش کامل مراجع