بهبود قطعه بندی تصاویر MRI سلول های گلیال مغز با استفاده از الگوریتم FCM وترکیب تصاویر PET

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 683

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

KAUCEE01_135

تاریخ نمایه سازی: 29 مهر 1396

چکیده مقاله:

تصویربرداری پت اسکن به دلیل دقت بالا در تشخیص بافت های نرم و نمایش تمایز بافت های طبیعی از غیر طبیعی جزء ابزارهای مهم در عرصه تشخیص انواع بیماری ها به خصوص بیماری های مغزی می باشد. تومورهای مغزی فراوانی وجود دارد که از جمله شایع ترین آنها، تومور گلیوما مغزی می باشد. ارزیابی دقیق تومورهای مغزی در تصاویر پت اسکن به صورت دستی برای متخصصین پزشکی یک کار پرزحمت و انجام تقسیم بندی به صورت ذهنی بسیار پرخطا می باشد. در اینجا هدف ایجاد یک جایگزین دقیق برای تقسیم بندی دستی می باشد که می تواند با دقت بیشتری و در مدت زمان کمتری این کار را برای پزشک انجام دهد به همین دلیل در این پژوهش از خوشه بندی تصاویر MRI به روش FCM و بهبود آن با کمک ماسک حاصل از پت اسکن برای ایجاد سهولت در تصمیم گیری پزشک استفاده شد. روند خوشه بندی یک بار با فرض نواحی تیره به عنوان ناحیه ی فعال و یکبار دیگر با فرض نواحی روشن به عنوان نواحی فعال در تصاویر PET بهبود داده شد. نتایج الگوریتم جواب های متفاوتی را به ما نشان داده است، در واقع این یک تناقض است که این موضوع براساس ساختار دستگاه تصویربرداری PET و MRI تایید می شود.

نویسندگان

بهناز معتمدی

گروه مهندسی پزشکی واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

سیامک حقی پور

گروه مهندسی پزشکی واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران