آشکارسازی خودکار تومور مغزی در تصاویرMRI 3 Teslaبا استفاده از روش فازی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,372
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_231
تاریخ نمایه سازی: 7 بهمن 1393
Abstract:
در این مقاله با توجه به خاصیت فازی ذاتی در تصاویر پزشکی، با ترکیب روش های پردازش تصویر و الگوریتم فازی روشی جدید جهت تشخیص و ناحیه بندی تومورهای مغزی در تصاویر MRI 3Tesla بدون تشخیص ناظر ارائه شده است. در حال حاضر روش تصویربرداری MRI به دلیل وضوح و کیفیت بالا از مهمترین ابزار تشخیص و ارزیابی تومورهای غیرقابل لمس مغز می باشد. روش تصویربرداری این توانایی را دارد که تومورهای مغزی را نسبت به بافت های محیطی خود با شدت متفاوتی نشان دهد. تجزیه و تحلیل تومورهای موجود در تصاویر MRI توسط متخصصین پزشکی و بر مبنای نواحی استخراج شده توسط الگوریتم های ناحیه بندی انجام می شود. متاسفانه در تصاویر MRI معمولا میزان قابل توجهی نویز به سبب عملکرد اپراتور، تجهیزات و محیط وجود دارد که منجر به خطاهای جدی در ناحیه بندی می شود. با توجه به این امر که الگوریتم ناحیه بندی مورد استفاده، به روشنایی خود پیکسل ها توجه دارد، تصاویر نویزی بر به شدت روی کارایی این الگوریتم تاثیر دارد. بنابراین نویزهای موجود در تصویر با استفاده از روش حذف نویز NLM مبتنی بر روش فازی که اختصاصاً برای کاهش نویزهای موجود در تصاویر MRI طراحی شده است، کاهش می دهیم. این روش موجب حفظ لبه ها در تصاویر MRI می شود. با استفاده از هیستوگرام تصویر و الگوریتم فازی به ناحیه بندی تصویر می پردازیم این روش قادر به شناسایی و ناحیه بندی، هر چه سریعتر و بهتر تومورهای رشد یافته و شناسایی تومورهای با مختصات کوچک(بزرگتر از 2میلیمترمکعب) می باشد. در این سیستم از الگوریتم ناحیه بندی میانگین های فازی (بطور گسترده ای جهت ناحیه بندی تصاویر MRI مغز کاربرد دارد.) استفاده شده است. تعداد و مراکز ناحیه ها بگونه ای تعیین می کنیم تا جواب بهینه سراسری را اتخاذ کنیم.
Keywords:
تصاویر MRI , ناحیه بندی فازی , حذف نویز NLM , Fuzzy C-Means , استخراج تومور , ناحیه بندی تصاویر MRI , تشخیص تومور مغزی
Authors
سولماز بلوریان
دانشجوی کارشناسی ارشد نرم افزار کامپیوتر،دانشگاه آزاد اسلامی واحد علوم و تحقیقات زنجان،گروه کامپیوتر،زنجان،ایران.
مرتضی بیات
استادیار،دانشگاه آزاد اسلامی واحد زنجان، دانشکده ریاضی، گروه ریاضی،زنجان،ایران.
مجید مقدادی
استادیار،دانشگاه زنجان، دانشکده مهندسی، گروه کامپیوتر،زنجان،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 :