ارزیابی k-Means و بخش بندی تصاویر MR از مغز و فازی C-Means
مشخصات مقاله:
عنوان فارسی مقاله:
ارزیابی k-Means و بخش بندی تصاویر MR از مغز و فازی C-Means
عنوان انگلیسی مقاله:
Evaluation of k-Means and fuzzy C-means segmentation on MR images of brain
کلمات کلیدی مقاله:
گلیوبلاستوما چند حالته، تمرکز نابجا، ورم ازوژنیک، فیلتر دو طرفه، کنتراست انطباقی محدود، تساوی هیستوگرام
مناسب برای رشته های دانشگاهی زیر:
مهندسی پزشکی، مهندسی کامپیوتر، برق و پزشکی
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی، مهندسی الکترونیک، مهندسی کنترل، فیزیک پزشکی، مغز و اعصاب و پردازش تصاویر 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.معرفی
2 . روش ها و مواد ها
3. مباحث و نتایج
4.نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Image segmentation is one of the most interesting and challenging problems in computer vision generally and medical imaging applications specifically. Segmentation partitions an image area or volume into nonoverlapping, connected regions, being homogeneous with respect to some signal characteristics (1). Segmentation approaches are subject to multiple challenges stemming from image noise, image inhomogeneities, image artifacts such as partial volume effect, and discontinuities of boundaries due to similar visual appearance of adjacent brain structures. A variety of segmentation techniques have been developed to address these challenges. Brain MR segmentation methods can be classified into three main categories: probabilistic and statistical-based, atlasbased, and deformable model-based techniques (2). Hence, there is a mandatory prerequisite to investigate the ability of the segmentation scheme to characterize the complete tissue classes, present in the image, separately, before employing any statistical segmentation frame work. MR images of tumor edema complexes exhibit homogenous intensity features between WM and edema and similarly between necrotic focus and GM, as evident in Fig. 1. This is an investigation of the ability of FCM and k-Means to characterize the GM, WM, CSF, necrotic focus, vasogenic edema and background present in pre-processed axial plane T1 contrast MR images of GBM-edema complex.
معرفی
بخش بندی تصویر به طور کلی یکی از مشکلات جالب و چالش برانگیز در بینایی کامپیوتر وبرنامه های کاربردی تصویربرداری پزشکی است . بخش بندی ناحیه تصویر باحجم غیرمشترک،اتصال ناحیه ها،همگن برخی از ویژگی های سیگنال است(1) .روش بخش بندی درمعرض چالش های متعددی است که ناشی ازسروصدای تصویر است ، ناهمگونی تصویر ، مصنوعات تصویر مانند تاثیر حجم،وناپیوستگی مرزهاباتوجه به ظاهربصری مشابه ساختارهای مجاور مغز است . انواع مختلفی از تکنیک بخش در مقابله با این چالش توسعه یافته اند .روش بخش بندی MR مغز می توان به سه دسته اصلی طبقه بندی کرد : احتمالی و آماری که مبتنی بر اطلس و تکنیک های مبتنی بر مدل دگریس است .(2) از این رو،یک پیش نیاز اجباری به منظوربررسی طرح بخش برای مشخص کردن بافتها ، در تصویر به طور جداگانه ،قبل از به کارگیری چارچوب بخش بندی های آماری وجوددارد.تصاویرMR پیچیده تومور بین WM و شباهت بین نکروزی و GM ، در شکل 1 نشان داده است .
