Thesis

نمایش سه بعدی و تجزیه تصاویر پزشکی ‏‎mri‎‏به کمک شبکه عصبی هاپفیلد

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

در این پروژه از شبکه عصبی هاپفیلد رقابتی ‏‎(chnn)‎‏ به صورت ‏‎unsupervised‎‏ برای دسته بندی و تجزیه تصاویر پزشکی ‏‎mri‎‏ استفاده شده است . این شبکه نوع خاصی از شبکه هاپفیلد است که در آن شبکه بصورت رقابتی ‏‎winner taskes all‎‏ آموزش می بیند.مسئه تجزیه تصویر بر اساس دسته بندی پیکسل ها و با در نظر گرفتن شدت روشنایی آنها در کل تصویر انجام می شود.در این شبکه تابع انرژی که نمایانگر متوسط مربع اختلاف بین شدت روشنایی هایی است که در یک گروه قرار می گیرند، به حداقل می رسد.تعداد نورونها در این شبکه مستقل از ابعاد تصویر می باشد.با توجه به ساختار این شبکه و آموزش به صورت ‏‎wta‎‏ برای کاهش احتمال نوسانات نامحدود این شبکه باید به صورت اسنکرون آموزش داده شود.مشکلی که در اکثر شبکه های عصبی وجود دارد مشکل حداقل های محلی ‏‎(local minimim)‎‏است در این پروژه با ارائه یکروش جدید وضعیت اولیه شبکه طوری تعیین می شود که احتمال قرارگرفتن شبکه در حداقل های محلی کاهش یابد.نتایج شبیه سازی کاهش بسیار زیاد خطای متوسط در دسته بندی چند مجموعه از داده های اتفاقی را نشان می دهد.تصاویر سه بعدی دست آمده از سیستم های تصویربرداری پزشکی معمولا در جهات مختلف دارای قدرت تکیک یکنواخت نیستند.عموما فاصله بین لایه ها بیشتر از اندازه یک پیکسل در داخل یک لایه است.در این پروژه برای نمایش حجم سه بعدی ، پس از تجزیه تصویر به منظور بدست آوردن تصویر یکنواخت یک مرحله درونیابی ، صوت گرفته است.همچنین دراین پروژه از روش ‏‎volume rendering‎‏ برای سه بعدی سازی تصاویر پزشکی استفاده شده است.با این روش می توان میزان شفافیت حجم سه عدی را تغغیر داده و اجزای داخلی را صورت نیمه شفاف مشاهده نمود.همچنین می توان حجم مورد نظر رااز زوایای گوناگون مشاهده کرده و در هر زاویه و مقطع دلخواهی ، برشی از این حجم سه بعدی را بدست آورد.

Supervisors and advisors

محمد علی مسندی شیرازی

Similar theses

Similar items

  • آشکارسازی توده سرطانی پستان به کمک شبکه عصبی کانولوشنی در تصاویر ام.آر.آی

    Article2019پردازش سیگنال پیشرفتهامیر ارجمند، سعید مشگینی، رضا افروزیان

    سرطان پستان، متداول‌ترین نوع سرطان است که جمعیت زنان را تحت تأثیر قرار می‌‌دهد. تشخیص زود‌هنگام سرطان می‌تواند شانس درمان را افزایش دهد و همچنین مؤثرترین راه برای مبارزه با این بیماری است. ارائه روش‌های خودکار برای آشکارسازی توده سرطانی یا تومور مورد توجه پژوهشگران بوده است. در ا

  • تناظریابی تصاویر ماهواره ای بر پایه ی تبدیل پروجکتیو و با استفاده از شبکه ی عصبی هاپفیلد

    Articleمهندسی نقشه برداری و اطلاعات مکانیسمیرا بدرلو، s. badrloo گروه فتوگرامتری و سنجش از دور- دانشکده مهندسی نقشه برداری- دانشگاه صنعتی خواجه نصیرالدین طوسی مهدی مختار زاده، m. mokhtarzadeh گروه فتوگرامتری و سنجش از دور- دانشکده مهندسی نقشه برداری- دانشگاه صنعتی خواجه نصیرالدین طوسی محمد جواد ولدان زوج، m. j. valadanzoej گروه فتوگرامتری و سنجش از دور- دانشکده مهندسی نقشه برداری- دانشگاه صنعتی خواجه نصیرالدین طوسی

    به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره ای، تناظریابی این تصاویر یکی از چالش برانگیزترین مسائل در سنجش از دور می باشد. این فعالیت به صورت گسترده ای در سنجش از دور به منظور طبقه بندی چند منبعی، مانیتورینگ محیط، بازرس

  • پردازش تصاویر پزشکی با استفاده از شبکه های عصبی کانولوشن عمیق

    Article2019عصر برقعلی کارساز، صبورا محمدیان روشن

    حوزه پردازش تصاویر پزشکی بازه وسیعی کزا اربردها از تشخیص دیابت چشمی از روی تصاویر شبیکه چشم تا بخش‌بندی تصاویر MRI جهت تشخیص تومورهای مغر انسان را دربر می‌گیرد. نگرش‌های گوناگون دسته‌بندی و خوشه‌بندی مبتنی یرب ادگیری ماشین درمقاالت جهت بهبود دقت در غربال‌گری بیماری‌ها ارایه شده ا

  • ادغام ویژگی های طیفی و مکانی تصاویر ابر طیفی به کمک طبقه بند شبکه عصبی

    Article2023پردازش علائم و داده هافاطمه سادات میری، سید ابوالفضل حسینی، رامین شقاقی کندوان

    در تصاویر ابرطیفی که توسط سنجنده های از راه دور بدست می آیند، می توان تفکیک بین کلاس ها را دقیق تر و با جزئیات بیشتر بدست آورد. از آنجایی که ابعاد بالای داده ابرطیفی و تعداد کم نمونه های آموزشی، طبقه بندی تصاویر ابرطیفی را مشکل می سازد. به دنبال تکنیک هایی هستیم که در هنگام کمبود

  • خوشه بندی و شناسایی کردن سرطان پستان توسط تصاویر حرارتی به کمک ترکیب شبکه عصبی som وsvm

    Articleبیماری های پستانحسین قیومی زاده

    مقدمه: تصویربرداری مادون قرمز یک روش تصویربرداری غیرتهاجمی است که به عنوان یک ابزار تشخیصی به کار می رود. این تحقیق تلاشی برای طبقه بندی کردن سرطان پستان به وسیله استخراج اطلاعات کمی و کیفی از تصاویر حرارتی و استخراج بهترین پارامترهای تشخیصی از میان کل پارامترهای موجود به کمک شبک

  • خوشه بندی و شناسایی کردن سرطان پستان توسط تصاویر حرارتی به کمک ترکیب شبکه عصبی SOM وSVM

    مقدمه: تصویربرداری مادون قرمز یک روش تصویربرداری غیرتهاجمی است که به عنوان یک ابزار تشخیصی به کار می رود. این تحقیق تلاشی برای طبقه بندی کردن سرطان پستان به وسیله استخراج اطلاعات کمی و کیفی از تصاویر حرارتی و استخراج بهترین پارامترهای تشخیصی از میان کل پارامترهای موجود به کمک شبک