اندازه گیری ضرایب همبستگی بین ویژگی های استخراج شده از تصاویر سی تی اسکن و ام آر آی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 172

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SKUMS-20-2_008

تاریخ نمایه سازی: 11 خرداد 1400

چکیده مقاله:

زمینه و هدف: امروزه استفاده از کامپیوتر در پردازش تصویر برای حل کاستی های تصاویر پزشکی به سرعت در حال افزایش است. در پردازش تصویر ویژگی های تصویر آنالیز می شوند. ویژگی های تصویر معرف خود تصویر و شامل اطلاعات تصویر می باشند. هدف از مطالعه حاضر بررسی همبستگی بین ویژگی های تصاویر سی تی اسکن و ام آر آی می باشد. روش بررسی: در این مطالعه توصیفی- تحلیلی از اطلاعات ۱۴۵۸ تصویر سی تی و ام آر ۶ بیمار (۳ زن و ۳ مرد) مراجعه کننده به بیمارستان گلستان اهواز استفاده شد. بعد از جمع آوری تصاویر، پیش پردازش و استخراج ویژگی تصاویر انجام شد. سپس ویژگی های تصاویر استخراج شده آنالیز و همبستگی بین آن ها اندازه گیری شد. در مطالعه حاضر همبستگی از نوع توصیفی بود و به دلیل کمی بودن مشاهدات از ضریب همبستگی پیرسون استفاده شد. یافته ها: بین بیشتر ویژگی های استخراج شده از تصاویر سی تی و ام آر (از نوع T۱) یک رابطه معنی دار وجود داشت (۰/۰۵>P). همبستگی بین ویژگی های تصاویر سی تی و ام آر (از نوع T۱) بیشتر از همبستگی بین ویژگی های تصاویر سی تی اسکن و ام آر (از نوع T۲) بود. همچنین این همبستگی بیشتر از همبستگی بین تصاویر ام آر (از نوع T۱) و ام آر (از نوع T۲) بود. حداکثر ضریب همبستگی (۰/۹۳) مربوط به ویژگی های بافت و حداقل آن (۰/۰۰۴) مربوط به ویژگی های مورفولوژیکی می باشد. نتیجه گیری: نتایج این مطالعه نشان داد که رابطه معنی داری بین ویژگی های تصاویر سی تی اسکن و ام آر آی وجود دارد که می توان در مواردی مانند طبقه بندی و قطعه بندی از الگوریتم های مشابه استفاده کرد.

نویسندگان

فریبا فرهادی بیرگانی

علوم پزشکی جندی شاپور اهواز

داریوش فاتحی

علوم پزشکی شهرکرد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Chaplot S, Patnaik L, Jagannathan N. Classification of magnetic resonance ...
  • Gaikwad SB, Joshi MS. Brain tumor classification using principal component ...
  • Kondo T, Kobayashi I, Taguchi Y, Ohta Y, Yanagimachi N. ...
  • Moore J, Drangova M, Wierzbicki M, Barron J, Peters T, ...
  • Ashton EA, Berg MJ, Parker KJ, Weisberg J, Chen CW, ...
  • Dimililer K, Ilhan A. Effect of image enhancement on MRI ...
  • Poletti PA, Platon A, Rutschmann OT, Schmidlin FR, Iselin CE, ...
  • Schoepf UJ, Costello P. CT angiography for diagnosis of pulmonary ...
  • See TC, Ng CS, Watson CJ, Dixon AK. Appendicitis: spectrum ...
  • Mahesh M. The AAPM/ RSNA physics tutorial for residents: search ...
  • Pan T, Lee TY, Rietzel E, Chen GT. ۴D-CT imaging ...
  • Hsu L-Y, Loew MH. Fully automatic ۳D feature-based registration of ...
  • Kharat KD, Pawar VJ, Pardeshi SR, editors. Feature extraction and ...
  • Herlidou-Meme S, Constans JM, Carsin B, Olivie D, Eliat PA, ...
  • Nixon MS, Aguado AS. Feature extraction and image processing for ...
  • Iftekharuddin KM, Zheng J, Islam MA, Ogg RJ. Fractal-based brain ...
  • Chen W, Giger ML, Li H, Bick U, Newstead GM. ...
  • Wang H, Guo XH, Jia ZW, Li HK, Liang ZG, ...
  • Wu J, Poehlman S, Noseworthy MD, Kamath MV, editors. Texture ...
  • Abdullah N, Chuen LW, Ngah UK, Ahmad KA, editors. Improvement ...
  • Rathi V, Palani S. Brain tumor MRI image classification with ...
  • Roy S, Sadhu S, Bandyopadhyay SK, Bhattacharyya D, Kim T-H. ...
  • Kathirvel R, Batri K. Detection and diagnosis of meningioma brain ...
  • Chaplot S, Patnaik L, Jagannathan N. Classification of magnetic resonance ...
  • Gaikwad SB, Joshi MS. Brain tumor classification using principal component ...
  • Kondo T, Kobayashi I, Taguchi Y, Ohta Y, Yanagimachi N. ...
  • Moore J, Drangova M, Wierzbicki M, Barron J, Peters T, ...
  • Ashton EA, Berg MJ, Parker KJ, Weisberg J, Chen CW, ...
  • Dimililer K, Ilhan A. Effect of image enhancement on MRI ...
  • Poletti PA, Platon A, Rutschmann OT, Schmidlin FR, Iselin CE, ...
  • Schoepf UJ, Costello P. CT angiography for diagnosis of pulmonary ...
  • See TC, Ng CS, Watson CJ, Dixon AK. Appendicitis: spectrum ...
  • Mahesh M. The AAPM/ RSNA physics tutorial for residents: search ...
  • Pan T, Lee TY, Rietzel E, Chen GT. ۴D-CT imaging ...
  • Hsu L-Y, Loew MH. Fully automatic ۳D feature-based registration of ...
  • Kharat KD, Pawar VJ, Pardeshi SR, editors. Feature extraction and ...
  • Herlidou-Meme S, Constans JM, Carsin B, Olivie D, Eliat PA, ...
  • Nixon MS, Aguado AS. Feature extraction and image processing for ...
  • Iftekharuddin KM, Zheng J, Islam MA, Ogg RJ. Fractal-based brain ...
  • Chen W, Giger ML, Li H, Bick U, Newstead GM. ...
  • Wang H, Guo XH, Jia ZW, Li HK, Liang ZG, ...
  • Wu J, Poehlman S, Noseworthy MD, Kamath MV, editors. Texture ...
  • Abdullah N, Chuen LW, Ngah UK, Ahmad KA, editors. Improvement ...
  • Rathi V, Palani S. Brain tumor MRI image classification with ...
  • Roy S, Sadhu S, Bandyopadhyay SK, Bhattacharyya D, Kim T-H. ...
  • Kathirvel R, Batri K. Detection and diagnosis of meningioma brain ...
  • نمایش کامل مراجع