ارزیابی بخش بندی توام با تصحیح میدان بایاس تصاویر MR مغز انسان توسط روش های تنظیم سطح و مولفه های ذاتی ضرب شونده

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 281

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JASP-3-1_007

تاریخ نمایه سازی: 18 مهر 1400

Abstract:

بخش بندی تصاویر MR مغز یک مساله مهم در محاسبات پردازش تصاویر پزشکی است. در این تصاویر، بخش بندی به وسیله یک عامل درونی به نام ناهمگنی شدت دچار خطا می گردد که این ناهمگنی به دلیل وجود هم پوشانی در بین شدت بافت های مغزی است و اغلب باعث کلاس بندی نادرست بافت های مغزی می گردد. در این مقاله دو روش پیشنهادی جهت بخش بندی و اصلاح بایاس این تصاویر مطرح می شود که از طریق دو الگوریتم تنظیم سطح (LSM) و بهینه سازی مولفه های ذاتی ضرب شونده (MICO) پیاده سازی می گردند. روش های مطرح شده در این مقاله عبارت اند از: اصلاح بایاس تصاویر MR مغز انسان توسط یکی از دو الگوریتم فوق و بخش بندی آن توسط الگوریتم دیگر و بالعکس. هدف، بررسی کارایی روال تصحیح بایاس و بخش بندی هر الگوریتم به صورت جدا و ارزیابی کمی و کیفی نتایج حاصله و انتخاب الگوریتم مناسب جهت به دست آوردن نواحی سه گانه بافت های مغزی (WM ،GM و CSF) است. تحلیل های کمی و کیفی بر روی نتایج، دقت بالای ۹۰ درصدی را برای ناحیه حاوی CSF با استفاده از الگوریتم MICO و همچنین به همین میزان برای نواحی WM و GM توسط الگوریتم LSM را نشان داد. با استفاده از این نتایج می توان الگوریتم بهینه جهت اصلاح بایاس و بخش بندی هر ناحیه را انتخاب کرد.

Keywords:

Authors

اکبر علی پور صیفار

دانشکده مهندسی برق، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تبریز، ایران

موسی شمسی

دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • W. Wells, E. Grimson, R. Kikinis, F. Jolesz, “Adaptiv segmentation ...
  • D. Pham, J. Prince, “Adaptive fuzzy segmentation of magnetic resonance ...
  • D. Pham, “Spatial model for fuzzy clustering,” Compute. Vis. Image ...
  • B. Johnston, M.S. Atkins, B. Mackiewich, M. Anderson, “Segmentation of ...
  • J. Sled, A. Zijdenbos, A. Evans, “A nonparametric method for ...
  • V. Leemput, K. Maes, D. Vandermeulen, P. Suetens, “Automated model-based ...
  • M. Styner, C. Brechbuhler, G. Szekely, G. Gerig, “Parametric estimate ...
  • M. Ahmed, S. Yang, N. Mohamed, A. Fareg, T. Moritarty, ...
  • C. Li, R. Huang, Z. Ding, C. Gatenby, D. Metaxas, ...
  • B. Likar, M. Viergever, F. Pernus, “Retrospective correction of MR ...
  • U. Vovk, F. Pernus, B. Likar, “A review of methods ...
  • B. Dawant, A. Zijdenbos, R. Margolin, “Correction of intensity variational ...
  • Li. Chunming, H. Rui, D. Zhaohua, J.C. Gatenby, N. Dimitris, ...
  • Li. Chunming, J.C. Gore, C. Davatzikos, “Multiplicative intrinsic optimization (MICO) ...
  • K. Samasundaram, S.P. Gayathri, “Brain segmentation in magnetic resonance images ...
  • T. Chan, L. Vese, “Active contours without edges,” IEEE Trans, ...
  • C. Li, C. Kao, J.C. Gore, Z. Ding, “Minimization of ...
  • R. Ranfard, “Region-based strategies for active contour models,” Int.J. Comput. ...
  • C. Samson, L. Blanc-Feraud, G. Aubert, and J. Zerubia, “A ...
  • A. Tsai, A. Yezzi, and A.S. Willsky, “Curve evolution implementation ...
  • L. Vese and T. Chan, “A multiphase level set framework ...
  • V. Caselles, R. Kimmel, and G. Sapiro, “Geodesic active contours,” ...
  • S. Kichenassamy, A. Kumar, P. Olver, A. Tannenbaum and A. ...
  • R. Kimmel, A. Amir, and A. Buckstein, “Finding shortest paths ...
  • R. Malladi, J.A. Sethian, and B.C. Vemuri, “Shape modeling with ...
  • A. Vasilevskiy and K. Siddiqi, “Flux- maximization geometric flows,” IEEE ...
  • C. Li, C. Kao, J. C. Gore, Z. Ding, “Minimization ...
  • P. Kalavathi, “Brain tissue segmentation in MR brain images using ...
  • نمایش کامل مراجع