ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

تقسیم بندی ضایعات بیماری MS از روی تصاویر MRI

سال انتشار: 1392
کد COI مقاله: EOESD01_001
زبان مقاله: فارسیمشاهده این مقاله: 2,361
فایل این مقاله در 13 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 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تقسیم بندی ضایعات بیماری MS از روی تصاویر MRI

مهدی مسرور یزدان آبادی - دانشجوی کارشناسی ارشد نرم افزار، دانشگاه علوم و تحقیقات واحد البرز
فاطمه مسرور یزدان آباد - دانشجوی کارشناسی IT، دانشگاه صنعتی شریف
محمدهادی مسرور یزدان آباد - دانشجوی کارشناسی نرم افزار، دانشگاه آزاد اسلامی واحد کرج

چکیده مقاله:

تصویر برداری M.R.I به دلیل دقت بالا در تشخیص با فت های نرم و نمایش تمایز بافت های طبیعی از غیر طبیعی جز ابزارهای مهم در عرصه تشخیص انواع بیماری ها به خصوص بیماری های مغزی می باشد.اختلالات عصبی فروانی وجود دارند که به سیستم عصبی مرکزی بدن آسیب جدی می رسانند از جمله شایع ترین این نوع اختلالات عصبی می توان به بیماری MS اشاره نمود. تصویر برداری M.R.I نشان داده است که نسبت به این بیماری بسیار حساس می باشد و توانایی این را دارد که ضایعات MS را نسبت به بافت های محیطی خود با شدت متفاوتی نمایش دهد.ارزیابی دقیق از هر ضایعه MS در تصاویر MR به صورت دستی برای متخصصین پزشکی یک کار پر زحمت و انجام تقسیم بندی به صورت ذهنی بسیار پرخطا می باشد. یک جایگزین جذاب و دقیق برای تقسیم بندی دستی ،تقسیم بندی کامپیوتری می باشد که می تواند با دقت بیشتری ودر مدت زمان کمتری این کار را برای پزشک انجام دهد.وبه همین دلایل ما دراین مقاله قصد انجام تقسیم بندی ضایعات در تصاویر M.R.I را داریم.در این تحقیق ما با استفاده از آستانه گیری اولیه و استفاده از الگوریتم رشد منطقه ای در هر اسلایس دو بعدی اقدام به تعیین ضایعات اولیه بیماری MS کرده ایم و در ادامه برای حذف مناطق غیر صحیح MS الگوریتم جدیدی از برش گراف سه بعدی را ارائه دادیم که نتایج بهتری را به همراه داشته است ومیانگین نتایج تقسیم بندی ماشین نسبت به پزشک متخصص را به 86 % رسانده است. مقدار میانگین تقسیم بندی نشان می دهد که نتایج الگوریتم قابل اتکا بوده و قابلیت استفاده در کلینیک ها و مراکز درمانی بیماری MS را دارد.

کلیدواژه ها:

پردازش تصویر، تقسیم بندی، بیماری MS، تصاویر MRI

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا EOESD01_001 میباشد و 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/252569/

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:
مسرور یزدان آبادی، مهدی و مسرور یزدان آباد، فاطمه و مسرور یزدان آباد، محمدهادی،1392،تقسیم بندی ضایعات بیماری MS از روی تصاویر MRI،همایش مهندسی برق و توسعه پایدار با محوریت دستاوردهای نوین در مهندسی برق،مشهد،https://civilica.com/doc/252569

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: (1392، مسرور یزدان آبادی، مهدی؛ فاطمه مسرور یزدان آباد و محمدهادی مسرور یزدان آباد)
برای بار دوم به بعد: (1392، مسرور یزدان آبادی؛ مسرور یزدان آباد و مسرور یزدان آباد)
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 مقاله لینک شده اند :

  • Multiple Sclerosis Lesion Segmentation in Multi-Channel MRIs using Texturalbased SVMs. ...
  • Textural based SVM for MS Lesion Segmentation in FLAIR MRI, ...
  • Multi-Section al Views Textural based SVM for MS Lesion Segmentation ...
  • The Contribution of Magnetic Resonance Imaging to the Diagnosis of ...
  • Multiple sclerosis lesion quantifiction us ing fuzzycon nectedn ess principles. ...
  • Automatic "pipeline" Analysis of 3-D MRI Data for Clinical Trials: ...
  • MRI Brain image segmentation using graph cuts. Khadem, Mohammad Shajib. ...
  • Fully Automatic Segmentation of Multiple Sclerosis Lesions in Brain MR ...
  • _ Automated Segmentation of Multiple Sclerosis Lesions in Multispectral MR. ...
  • Quantitative Analysis of Signal Abnormalities in MR Imaging for Multiple ...
  • Computer-A ided Detection of Multiple Sclerosis Lesions in Brain Magnetic ...
  • Model-based 3D segmentation of multiple sclerosis lesions in magnetic resonamce ...
  • Fuzzy connectednes and object definition: theory, algorithms, and applications in ...
  • Probabilistic segmentation of white matter lesions in MR imaging. P. ...
  • A pyramidal approach for automatic segmentation of multiple sclerosis lesions ...
  • Increasing the Contrast of the Brain MR FLAIR Images Using ...
  • R.C. Gonzalez, R.E. Woods and S.L.Eddins. Digital image processing using ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

    نظرات خوانندگان

    4.00
    1 تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 8,159
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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