بهبود ادغام تصاویر MRI و PET با استفاده از روش چند دقتی ترکیبی
Publish place: 18th Iranian conference on Biomedical Engineering
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,232
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICBME18_045
Index date: 16 April 2014
بهبود ادغام تصاویر MRI و PET با استفاده از روش چند دقتی ترکیبی abstract
ادغام تصاویر یک ابزار پرکاربرد برای افزایش کیفیت تفسیر تصاویر در کاربردهای پزشکی است. چنین فرایندی باید ویژگ یهای اصلی و اطلاعات مفید را تا حد امکان حفظ نموده و از ورود اطلاعات ساختگی به تصویر جلوگیری کند. ادغام تصاویر عملکردی PET با تصاویر آناتومیکی MRI رزلوشن مکانی تصاویر عملکردی را تا حد تصویر آناتومیکی رزلوشن بالا ارتقاء می دهد. مطالعات اخیر نشان می دهد که روش ادغام IHS و تبدیل کانتورلت غیر زیرنمونه گیری شده (NSCT)، هر دو م یتوانند برای ادغام تصاویر موثر وکارآمد باشند. در این بررسی از یک روش چند دقتی ترکیبی برای ادغام تصاویراستفاده شده است، بدین معنی که تجزیه NSCT روی تصویر خاکستری MRI و مؤلفه شدت تصویر PET انجام شده و ضرایب فرکانسی بر مبنای قانون انتخاب پیشنهاد شده در مقاله ادغام می شوند. نتایج آزمایش ها نشان می دهد که روش ترکیبی می تواند با تخریب کمتری اطلاعات دیداری بیشتری از تصاویرمنبع استخراج کند. از آنجا که تبدیل NSCT تغییر ناپذیر با مکان است، این روش عملکرد بهتری نسبت به تبدیل ویولت گسسته دارد. تغییر ناپذیری با مکان در حالتی که تصاویر منبع بدلیلی همچون تغییر شکل بافت یا تغییر موقعیت بیمار قابل انطباق کامل نباشند، اهمیت بیشتری دارد.
بهبود ادغام تصاویر MRI و PET با استفاده از روش چند دقتی ترکیبی Keywords:
ادغام تصاویر MRI (تصویر برداری تشدید مغناطیسی) , PET (تصویربردای تابش پوزیترون) , NSCT (تبدیل کانتورلت غیر زیرنمونه گیری شده) , Intensity-Hue-Saturation) IHS , روش چند دقتی ترکیبی
بهبود ادغام تصاویر MRI و PET با استفاده از روش چند دقتی ترکیبی authors
عطیه مقیمی
دانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی
عباس نصیرایی مقدم
استادیار دانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی
سبلان دانشور
استادیاردانشگاه صنعتی امیرکبیر، دانشکده مهندسی برق
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 :