کاربرد الگوریتم تشخیص لبه جهت بررسی تصاویر پزشکی MRI مربوط به تومورهای مغزی
- سال انتشار: 1402
- محل انتشار: دومین کنفرانس دانشجویان مهندسی کامپیوتر و فناوری اطلاعات و ارتباطات
- کد COI اختصاصی: CICTC02_005
- زبان مقاله: فارسی
- تعداد مشاهده: 291
نویسندگان
گروه مهندسی پزشکی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
گروه مهندسی پزشکی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
گروه مهندسی پزشکی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
گروه مهندسی پزشکی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
چکیده
برای اینکه بتوان اطلاعات مفیدی از تصاویر MRI استخراج کرد. باید قطعه بندی یا بخش بندی موثر بر روی تصویر MRI راانجام داد و از اپراتورهای مناسب برای تشخیص لبه تصویر استفاده نمود. نتایج پژوهش ها نشان دهنده این است که اطلاعاتلبه تصویر MRI به دست آمده با روش تشخیص لبه مبتنی بر شبکه عصبی کامل تر بوده و زمان پردازش آن نزدیک به ۳ برابرسریع تر از تشخیص لبه رایج است. تومورهای مغزی عامل اصلی مرگ و میر ناشی از سرطان در کودکان است. آنها به دلیلرشد غیرطبیعی و کنترل نشده سلول ها در داخل مغز یا کانال نخاعی ایجاد می شوند. طبقه بندی تومورهای مغزی با استفاده ازفناوری یادگیری ماشینی برای رادیولوژیست ها بسیار مرتبط است تا تجزیه و تحلیل خود را به طور موثرتر و سریع تر تاییدکنند. الکوریتم تقسیم بندی شناسایی شده برای تشخیص تومور از اسکن های مغزی MRI باید رشد تومور بی شکل را به طورکامل تشخیبص دهد. تشخیص لبه سوبل بکی از تکنیک های بر کاربرد تشخیص لبه است که در آن فقط اطلاعات در امتدادجهت های افقی و عمودی در نظر گرفته می شود. در این تحقیق الکوریتم های مورد استفاده جهت بررسی تومورهای مغزی درتصاویر مورد ارزیابی فراتر گرفته است. نتایج بررسی ها نشان می دهد که Sobel-۸ نسبتا مناسب ترین تکنیک برای تجزیه وتحلیل تصاویر MRI تومور مغزی است. همچنین, اپراتور Canny بهترین ایراتور در بین اپراتورهای متداول برای تشخیص لبهبر اساس همان تصویر MRI است.کلیدواژه ها
تصاویر MRI، تومورهای مغزی، تشخیص لبه تصویر اپراتور Cannyمقالات مرتبط جدید
- تحلیل چالشها و راهکارهای تقویت ارتباط دانشگاه و صنعت: با تمرکز بر حلقههای مفقوده
- بازخوانی نقش دانشگاه و صنعت در توسعه ملی: از موانع تا راهکارها
- نشانگر تشخیصی جدید در ژن C-myc به عنوان کیت غیر تهاجمی تشخیص سرطان دهان
- برنامه ریزی منابع تجدید پذیر با درنظر گرفتن برنامه ریزی توسعه انتقال و تولید منابع توان راکتیو
- برنامه ریزی همزمان توسعه انتقال و منابع تولید توان راکتیو با استفاده از یک الگوریتم تکاملی بهبود یافته
اطلاعات بیشتر در مورد 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.