ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه ی یک روش قطعه بندی جدید مبتنی بر مدل میدان تصادفی مارکوف برای تعیین نواحی مشکوک در تصاویر MRI سینه

سال انتشار: 1390
کد COI مقاله: ICMVIP07_062
زبان مقاله: فارسیمشاهد این مقاله: 2,922
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه ی یک روش قطعه بندی جدید مبتنی بر مدل میدان تصادفی مارکوف برای تعیین نواحی مشکوک در تصاویر MRI سینه

رضا عزمی - استادیار گروه آموزشی مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه
رباب انبیائی - استادیار دانشگاه علوم پزشکی شهید بهشتی، تهران
نرگس نوروزی - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه الز
آذردخت امیرزادی - دانشجوی کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه الز

چکیده مقاله:

سرطان سینه یکی از شایع ترین بیماری ها در بین زنان ایرانی محسوب می شود. تصاویر MRI نقش بسیار مهمی را در مراحل مختلف درمان این سرطان ایفاء می کنند. اما قطعه بندی دقیق این تصاویر به علت غیریکنواخت بودن مقادیر شدت روشنایی و وجود نویز در آنها، همچنان به عنوان یک مسئله ی چالش برانگیز مطرح است. مدل میدان تصادفی مارکوف، یک مدل آماری است که در بسیاری از مسائل مربوط به قطعه بندی تصاویر پزشکی مورد استفاده قرار می گیرد. چراکه این روش با استفاده از تعریف سیستم همسایگی، قادر است تاثیر آرتیفکت های موجود در قطعه بندی را کاهش داده و مسئله قطعه بندی را به یافتن یک فیلد برچسب گذاری با انرژی بهینه تبدیل نماید. اما این روش دارای دو ضعف اصلی است، 1- پیچیدگی محاسباتی و 2- وابسته بودن نتایج به پارامترهای مدل. جهت غلبه بر مشکلات مذکور، ما در این مقاله روش بهبود یافته ی میدان تصادفی مارکوف (I-MRF) را ارائه می کنیم. در این روش برخلاف نوع قراردادی آن، ما از روش های تکراری ICM و SA جهت تخمین برچسب هر یک از پیکسل ها استفاده نمی کنیم، بلکه احتمال پیشین در این روش توسط نسبت توزیع احتمال شرطی تعیین می شود.نتایج به دست آمده سرعت و دقت بالاتر روش پیشنهادی را نسبت به روش های موجود MRF-SA و MRF-ICM نشان می دهد.

کلیدواژه ها:

قطعه بندي نواحي مشكوك در سينه، مدل ميدان تصادفي ماركوف، ويژگي هاي بافتي، تصويربرداري MR

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/159096/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عزمی، رضا و انبیائی، رباب و نوروزی، نرگس و امیرزادی، آذردخت،1390،ارائه ی یک روش قطعه بندی جدید مبتنی بر مدل میدان تصادفی مارکوف برای تعیین نواحی مشکوک در تصاویر MRI سینه،هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران،تهران،،،https://civilica.com/doc/159096

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، عزمی، رضا؛ رباب انبیائی و نرگس نوروزی و آذردخت امیرزادی)
برای بار دوم به بعد: (1390، عزمی؛ انبیائی و نوروزی و امیرزادی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • روش‌های پیچیده‌تری جهت تعیین شباهت مابین پیکسل‌ها [24] _ _ ...
  • Gibbs, 2 Conventional MRF ...
  • Saslow D., Boetes C., Burke W., Harm S., Leach M. ...
  • Malur S., Wurdinger S. Moritz A., Michels W., and Schneider ...
  • _ _ _ images", 2010 Med. Imag. Anal., 14:87-110. ...
  • Bebrens S., Laue H., Althaus M., Boebler T., Kuemmerlen B, ...
  • Shi J., Sahiner B., Chan H. P., Ge J., Hadjiisk ...
  • N. H. Eltonsy , G. D. Tourassi and A S. ...
  • Yao J., Chen J. and Chow C., "Breast Tumor Analysis ...
  • Azmi R., Anbiaee R., Norozi N., Salehi L., Amirzadi A., ...
  • Li, S. Z., " Markov Random Field modeling In Image ...
  • _ _ _ _ Network, Vol. 8, pp.703-709, 1993 ...
  • images of the breast, _ Magn. Reson. Med., vol. 50, ...
  • Besag ., "On the statistical analysis of dirty picture, " ...
  • Geman S. and Geman) "Stochastic relaxation, Gibbs distrution, and the ...
  • Cuadra M. B., Platel B., Solanas E., Butz T., and ...
  • _ _ role of image ...
  • Haralick R., , Shapmugam K. and Dinstein I."Texture features for ...
  • Galloway M. M, "Texture analysis using gray level run lengtbs, ...
  • Cui YF, "Malignant lesion segmentation in contrast-enhanced breast MR ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی