مشخصات مقاله:
عنوان فارسی مقاله:
قطعه بندی تصاویر پزشکی در واحدهای پردازش گرافیکی (GPUs) – یک بررسی جامع
عنوان انگلیسی مقاله:
Medical image segmentation on GPUs – A comprehensive review
کلمات کلیدی مقاله:
پزشکی (Medical)، تصویر (Image)، قطعه بندی (Segmentation)، واحد پردازشگر گرافیکی (GPU)، موازی (Parallel)
مناسب برای رشته های دانشگاهی زیر:
پزشکی و مهندسی پزشکی
مناسب برای گرایش های دانشگاهی زیر:
پردازش تصاویر پزشکی، فیزیک پزشکی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. محاسبات واحد پردازشگر گرافیکی (GPU)
2.1. همروندی گرایی داده ها
2.2. تعداد رشته ها
2.3. واگرایی شاخه
2.4. استفاده از حافظه
2.5. هماهنگ سازی
2.6. چارچوب
2.7. بهینه سازی واحد پردازشگر گرافیکی (GPU)
2.7.1. گروه بندی
2.7.2. حافظه زمینه ای، ثابت و مشترک
2.7.3. فشردگی جریان
3. روش های قطعه بندی
3.1. آستانه گذاری
3.2. رشد منطقه
3.3. ریخت شناسی
3.4. آبخیز
3.5. مسیرهای فعال
3.6. مجموعه سطح ها
3.7. روش های مبتنی بر ثبت / اطلس
3.7.1. ثبت مبتنی بر شدت – اطلاعات متقابل
3.7.2. ثبت مبتنی بر ویژگی – نزدیک ترین نقطه تکرار شنده
3.8. مدل های شکل آماری
3.9. میدان تصادفی مارکوف و برش نموداری
3.10. استخراج خط مرکزی و قطعه بندی ساختارهای لوله ای
3.11. قطعه بندی تصاویر پویا – ردیابی
3.11.1. فیلتر کالمن
3.11.2. فیلتر ذرات
4. بحث
4.1. پیشرفته تربن وضعیت کنونی
4.2. پیش بینی های نرم افزاری
4.3. پیش بینی های سخت افزاری
5. نتیجه گیری ها
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Image segmentation, also called labeling, is the process of dividing the individual elements of an image or volume into a set of groups, so that all elements in a group have a common property. In the medical domain, this common property is usually that elements belong to the same tissue type or organ. Segmentation of anatomical structures is a key enabling technology for medical applications such as diagnostics, planning and guidance. Medical images contain a lot of information, and often only one or two structures are of interest. Segmentation allows visualization of the structures of interest, removing unnecessary information. Segmentation also enables structure analysis such as calculating the volume of a tumor, and performing feature-based image-to-patient as well as image-to-image registration, which is an important part of image guided surgery. Fig. 1 illustrates segmentation of a volume containing blood vessels. The segmentation result, or label volume, is used to create a surface model of the blood vessels using the marching cubes algorithm (Lorensen and Cline, 1987).
1. مقدمه
قطعه بندی تصویر، که برچسب گذاری نیز نامیده می شود، فرآیند تقسیم عناصر منحصر به فرد یک تصویر و یا حجم به مجموعه ای از گروه هاست، به طوری که تمام عناصر حاضر در یک گروه دارای ویژگی مشترکی هستند. در حوزه پزشکی، این ویژگی مشترک معمولاً عناصر متعلق به نوع بافت و یا اندام مشابه است. قطعه بندی ساختارهای آناتومیکی یک کلید توانمندسازی فناوری در کاربردهای پزشکی مانند: تشخیص، برنامه ریزی و هدایت می باشد.
تصاویر پزشکی حاوی اطلاعات بسیاری هستند و در اغلب موارد تنها یک یا دو ساختار در آن ها مد نظر می باشند. قطعه بندی امکان تجسم ساختارهای مد نظر و هم چنین حذف اطلاعات غیر ضروری را فراهم می نماید. افزون بر این، قطعه بندی تجزیه و تحلیل ساختاری مانند: محاسبه حجم تومور، و انجام ثبت تصویر به بیمار و هم چنین تصویر به تصویر مبتنی بر ویژگی را که بخش مهمی از جراحی تحت هدایت تصویر است، مقدور می نماید.شکل 1 قطعه بندی یک حجم حاوی عروق خونی را نشان می دهد. نتیجه قطعه بندی، و یا حجم برچسب، برای ایجاد یک مدل سطحی از عروق خونی با استفاده از الگوریتم جورسازی مکعب ها به کار گرفته می شود (لورنسن و کلاین، 1987).