بررسی کمی و کیفی اصلاح میدان بایاس و بخش بندی همزمان در روش بهینه سازی مولفه های ذاتی ضرب شونده در تصاویرMRمغزی
محل انتشار: کنفرانس بین المللی پژوهش در علوم و مهندسی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 631
فایل این مقاله در 8 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:
ICRSIE01_169
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
بخش بندی تصاویر MR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در تصاویر MR مغز، بخش بندی به وسیله یک عامل درونی به نام ناهمگنی شدت دچار خطا می شود که این ناهمگنی شدت به دلیل وجود همپوشانی در بین شدت بافتهای مغزی است که اغلب باعث کلاس بندی نادرست بافتهای مغزی میگردد. در این مقاله یک روش جدید جهت بخش بندی و اصلاح میدان بایاس به صورت همزمان، مطرح میگردد که روش بهینه سازی مولفههای ذاتی ضرب شونده (MICO) نام دارد. روش فوق تصاویر MR مغز را به دو مولفه ذاتی تجزیه می کند که یکی ویژگی فیزیکی بافت و دیگری میدان بایاس آن است که به همراه ویژگیهای مکانی مربوطه ارایه می شود. در ادامه از طریق کمینه سازی انرژی در یک فرآیند تکراری، مولفه های ذاتی فوق را بهینه سازی و در نتیجه اصلاح میدان بایاس و بخش بندی همزمان را انجام میدهد. ارزیابی های کمی بازدهی بالای روش MICO را در اصطلاح کارایی و دقت ثابت کرد که دقت ۹۰ درصد را برای بخش بندی و اصلاح میدان بایاس را در نواحی سهگانه مغزی و به ویژه در ناحیه حاوی مایع مغزی-نخاعی (CSF)نشان داد.
کلیدواژه ها:
نویسندگان
اکبر علی پور صیفار
دانشجوی کارشناسی ارشد مخابرات سیستم، واحد علوم و تحقیقات اذربایجان شرقی، دانشگاه آزاد اسلامی ، تبریز، ایران
موسی شمسی
دانشیار مهندسی پزشکی گرایش بیوالکتریک دانشگاه صنعتی سهند، گروه مهندسی پزشکی، 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 :