Thesis

بهبود ناحیه بندی خودکار تصاویر تشدید مغناطیسی مغز انسان با استفاده از اطلاعات مبتنی بر چند اطلس

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

Abstract(in Persian; no English abstract is available)

در روش پیشنهادی ابتدا لازم است که تمامی اطلس های موجود بر یکدیگر منطبق شوند که این منطبق سازی بصورت خطی انجام می گیرد. سپس میزان شباهت تمامی اطلس های موجود را پس از انطباق، دو به دو با هم مقایسه کرده و این مقایسه با استفاده از معیار فاصله اقلیدسی محاسبه می گردد و مقادیر بدست آمده در یک ماتریس ذخیره می شود. ماتریس بدست آمده، به الگوریتم خوشه بندی lr{affinity propagation} } وارد شده تا اطلس های مشابه در خوشه های یکسان قرار بگیرند و بهترین اطلس ها جهت نماینده خوشه شدن انتخاب گردند. پس از خوشه بندی و مشخص شدن نماینده هر خوشه، شبیه ترین اطلس نماینده را به تصویر هدف جستجو می کنیم که این کار بوسیله محاسبه معیار شباهت lr{nmi} بین تصویر هدف و نتایج عملیات تطبیق بر روی اطلس ها انجام می گیرد و سپس شبیه ترین خوشه به تصویر هدف برای ورود به روند ناحیه بندی انتخاب می گردد. پس از انتخاب مناسب ترین خوشه، تمامی اطلس های درون آن خوشه بصورت غیرخطی بر تصویر هدف منطبق و برچسب های بدست آمده از هر اطلس، به تصویر هدف منتقل می شود. روی برچسب های بدست آمده، عمل متوسط گیری انجام می گیرد و اطلس برآیند محاسبه می گردد. در مرحله آخر تصویر هدف، بوسیله سه بافت متوسط بدست آمده در قسمت قبل ناحیه بندی می گردد. در پایان نتایج ناحیه بندی به روش پیشنهادی با نتایج حاصل از 5 نرم افزار مختلف و تعدادی از نتایج موجود در پایگاه داده ibsr و 4 روش موجود در مقالات مشابه مقایسه شد، که تمامی نتایج بهبود روش ناحیه بندی را نشان می دادند. جهت ارزیابی روشهای ارائه شده، دو پایگاه داده متفاوت lr{ibsr} و lr{loni} استفاده شد. این دو پایگاه داده، داده های با سطوح مختلف نویز و نایکنواختی شدت روشنایی را فراهم می آورند. نتایج ارائه شده چه به طور کیفی چه به طور کمی نشان دهنده دقت ناحیه بندی در ماده سفید و ماده خاکستری است.

Supervisors and advisors

کامران کاظمی، محمد جواد دهفانی

Similar theses

  • ناحیه بندی خودکار تصاویر تشدید مغناطیسی مغز انسان با استفاده از اطلاعات اطلس و با کمک ماشین های بردار پشتیبان

    Thesis2010وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیرازکیوان کثیری

    در این پایان نامه، هدف ارائه روشی جهت ناحیه بندی خودکار تصاویر تشدید مغناطیسی مغز به سه بافت ماده سفید، ماده خاکستری و مایع مغزی-نخاعی می باشد. در روش ناحیه بندی ارائه شده، الگوریتم یادگیری مبتنی بر ماشین های بردار پشتیبان با قدرت طبقه بندی بالا و خطای عمومی سازی پایین به کار گرف

  • ناحیه بندی بطن چپ در تصاویر تشدید مغناطیسی قلبی با استفاده از الگوریتم سطوح همتراز

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیرازسمیه بابایی

    در سال های اخیر اطلاعات به دست آمده از تصاویر پزشکی تهیه شده از بیماران نقش عمده ای را در تصمیم گیری پزشک معالج در درمان ایفا می کند. در میان روش های تصویربرداری مختلف، تصویربرداری تشدید مغناطیسی(mr) یکی از دقیق ترین و رایج ترین روش های تهیه تصویر از بدن بیمار به شمار می رود. یکی

  • ناحیه بندی بطن چپ در تصاویر تشدید مغناطیسی قلبی با استفاده از مدل های فرم پذیر

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسیمحمدباقر خامه چیان

    تصویربرداری تشدید مغناطیسی یک روش تصویربرداری غیرتهاجمی بوده و کاردبرد فراوانی در تشخیص بیماری های قلبی دارد. با این حال، بخش بندی دستی این تصاویر (به دلیل حجم زیاد اطلاعات) بسیار زمان بر بوده و وابسته به دیدگاه های متفاوت متخصصین است. در این تحقیق، از مدل ها فرم پذیر هندسی برای

  • بخش بندی تصاویر تشدید مغناطیسی مغز

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده برق و کامپیوترسعید فتحی قیری

    . مغز انسان بعنوان پیچیده ترین و حساس ترین بخش بدن نیز مانند سایر اعضا از گزند بیماری ها و مشکلات محفوظ نبوده و در نتیجه پزشکان زیادی سعی در درمان این بخش مهم از بدن بیماران را دارند. بیماری های مغزی بسیار متعدد و پیچیده و بعضا ناشناخته هستند. درمان این بیماری ها فقط در صورت تشخی

  • ناحیه بندی خودکار تصاویر mri مغزی با استفاده از الگوریتم سطوح همتراز

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیراز - دانشکده مهندسی برق و الکترونیکزهرا شاهوران

    در این پایان نامه هدف ارائه روشی خودکار به منظور ناحیه بندی تصاویر تشدید مغناطیسی مغز انسان به سه بافت مختلف ماده سفید، ماده خاکستری و مایع مغزی-نخاعی بر اساس الگوریتم سطوح همتراز می باشد. از مهمترین چالش ها در ناحیه بندی خودکار تصاویر تشدید مغناطیسی مغزی وجود نویز و نایکنواختی ش

  • ناحیه بندی بافت مغز در تصاویر تشدید مغناطیسی تانسور انتشار

    Thesis2010وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرسمصطفی چرمی

    تصویربرداری تشدید مغناطیسی وزندهی شده انتشار روش جدیدی است که از بافتهای بیولوژیکی ساختارمند بدن انسان همانند ماده سفید مغز به صورت غیرتهاجمی اطلاعات آناتومیکی ارایه می نماید. در میان همه تصاویر بازسازی شده از روی تصاویر تشدید مغناطیسی وزندهی شده انتشار، تصویر تانسور انتشار به دل

Similar items