تشخیص خودکار مرز ماهیچه پکتورال در تصاویر ماموگرام با استفاده از مدل ترکیب گوسی و مدل مارکوف

Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,745

This Paper With 7 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:

ICMVIP05_055

تاریخ نمایه سازی: 29 اردیبهشت 1387

Abstract:

روشنایی ناحیه مربوط به ماهیچه پکتورال بسیار نزدیک به روشنایی نواحی غدهای در ماموگرام است که تومورها و عوارض سرطانی اغلب در این نواحی رخ میدهند. بنابراین اگر پردازش با وجود ماهیچه پکتورال انجام گیرد باعث افزایش درصد تشخیص مثبت کاذب میشود. در ضمن برای تشخیص ضایعاتی که در زیر بغل به عنوان مثال در اثر متاستاس تومورهای سرطانی به وجود می آید شناسایی منطقه مربوط به ماهیچه پکتورال، جهت بررسی محلی ناحیه دارای اهمیت ویژهای است. در اغلب روشهای پیشنهاد شده تشخیص مرز ماهیچه پکتورال با تقریب اولیه مرز به صورت یک خط صاف و سپس اصلاح آن تا رسیدن به یک مرز دقیق استوار میباشد. در این مقاله روشی ارائه و پیشنهاد می شود که نتیجه ی آن بسیار به انتظارات رادیولوژیستها در تشخیص مرز نزدیک می باشد. به این منظور از روشی مرکب از مدل ترکیب گوسی ومدل مارکوف برای دستهبندی بافت و جداسازی ماهیچه پکتورال استفاده میشود. نتایج پیاده سازی این روش در مقایسه با روشهای موجود کارایی بالاتر آنرا اثبات می کند.

Authors

سید مسعود هاشمی عمروآبادی

دانشگاه صنعتی اصفهان، اصفهان.

محمدرضا احمدزاده

دانشگاه صنعتی اصفهان، اصفهان.

علی حکمت نیا

دانشگاه علوم پزشکی اصفهان، مرکز تحقیقات پردازش تصویر وسیگنال پزشکی.

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 :
  • _ The National Breast and Cervical Cancer early detection Program, ...
  • M. J. Homer, Mammog raphic In terpretation: A Practical Approach. ...
  • N. Karssemeijer, ،0Automated classification of parenchymal patterns in mammogram _ ...
  • S. R. Aylward, B. H. Hemminger, and E. D. Pisano, ...
  • R. J. Ferrari, R. M. Rangayyan, J. E. L. Desautels, ...
  • Ferrari R.J, Rangayyan R.M, Desautels J.E.L, Borges R.A, and Fr ...
  • B. S. Manjunath and W. Y. Ma, ،Texture features for ...
  • F. Georgsson, *Algorithms and techniques for computer aided _ graphic ...
  • J. Suckling, D. R. Dance, E. Moskovic, D. J. Lewis, ...
  • J. Sukling, J.Parker, D. R. Dance, S. Astley, I. Hutt, ...
  • Xiaohula C, Simultaneous Segmentation and Registration of Medical Images. Ph.D. ...
  • Zhang Y, Brady M, Smith S, 0S egmentation of Brain ...
  • Sanjay-Gopal S, and Hebert T.J, *Bayesian Pixel Classification Using Spatially ...
  • Zhang Y, Brady M, and Smith S, _ 'Segmentation of ...
  • Zhang Y, Brady M, and Smith S, _ 'Segmentation of ...
  • D. P. Hu ttenlocher, G. A. Klanderman, W. J. Rucklidge, ...
  • th Iranian Conference on Machine Vision and Image Processing, November ...
  • نمایش کامل مراجع