بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,526

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCOS02_001

تاریخ نمایه سازی: 5 مهر 1393

چکیده مقاله:

پردازش تصاویر از مهمترین دستاوردها و پرکاربردترین فنون مهندسی در تمامی عرصه های علوم از جمله پزشکی بعنوان یکی از مهمترین و پرکاربردترین MRI بوده است و روش تشخیصی غیر تهاجمی بیش از سایر روشها از این رویکرد تاثیر پذیرفته، بطوریکه امروزه تقریبا تشخیص دقیق بسیاری از مشکلات پزشکی از جمله تومورها و ضایعات بافت امری محال و یا بسیار دشوار م یباشد. MRI مغزی، بدونبعبارتی تفکیک اجزاء اصلی مغز یعنی ماد ه سفید ، ماد ه خاکستری و مایع مغزی- نخاعی و افتراق آنها از بافت غیر طبیعی (تومورها) نیاز به دقت بالایی دارد، که با روشهای معمول تصویر برداری به راحتی قابل دستیابی نمیباشند. تکنیکهای عمومی تشخیص لبه (سوبل، پریویت، روبرتز، وکنی) میتوانند، برای تعیین مرز و لبه بکار روند، ولی بدلیل بروز نویز و شیب تند تغییرات روشنایی تصاوی ر پزشکی، امکان قطعه بندی صحیح و دستیابی به لبه صاف و واضح مشکل میباشد و جهت بهبود تصاویرتکنیکهای مختلف فیلترهای محوکننده و یا افزایش تضاد استفاده میگردند. در این مطالعه ما جهت کمینه کردن خطا در روند قطعه بندی تصویر و برای بهبود آشکارسازی لبه تصاویر MRI (تومور مغزی) از ترکیب الگوریتم فازی c-means با الگوریتم watershed استفاده نمودیم متدی که در این تحقیق برای تقسیم بندی تصاویر پزشکی مورد استفاده قرار گرفت، شامل چندین بخش: عملیات پردازش تصویر و آماده سازی تصویر ورودی به صورت سیاه و سفید، دسته بندی فازی (پردازش تصویر ورودی، محاسبه میزان پراکندگی تصویر سیاه و سفید، مشتق گیری از تصویر به منظور تشخیص لبه، اعمال الگوریتم fcm روی داده ها) و الگوریتم watershed یافتن مرز بین نواحی و بر مبنای ناپیوستگی در سطوح Intensity بود و نتایج نشان داد کاربرد این روش ترکیبی توانسته با دقت 97/33 به بهبود تصاویر و تشخیص لبه وکاهش نویز در تصاویرام آر آی تومورهای مغزی کمک نماید.

کلیدواژه ها:

نویسندگان

فرناز حسینی

دانشگاه آزاد اسلامی تبریز، ایران

سیامک حقی پور

دانشگاه آزاد اسلامی تبریز، ایران

امیرحسین دائی سرخابی

دانشگاه آزاد اسلامی تبریز، ایران

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 :
  • Liang Z.P and Lauterbur P.C Principles of Magnetic _ _ ...
  • Cheung K and Chan W Fuzzy One -Mean Algorithm for ...
  • Kuo Y, Lee C and Liu C (kuo, et al., ...
  • El-Khamv S, El-Yamany N and Lotfy M A Modified Fuzzy ...
  • Mahani M.N [et al.] Dynamic Edge Detector Using Fuzzy _ ...
  • Chaira T and Ray A.K Threshold ion using fuzzy set ...
  • L.Pham Dzung, Xu Chenyang and L.Prince Jerry A Survey of ...
  • Gose Eral, Johnsonbaugh Ricahrd and Jost Steve Pattern Recognition and ...
  • _ Xiaoyin, Yang Zhong and Wang Yaming A method based ...
  • Palanisamy V and Ganesh M A Modified Adaptive Fuzzy C- ...
  • Ravi T and Rakesh M Image Segmentation and Detection of ...
  • Engineering Research and Applications. - (India) : [s.n.], May 2012. ...
  • Dasgupta Avijit Demarcation of Brain Tumor Using Modified Fuzzy C-Means ...
  • Jobin Chirist M.C and Parvathi R.M.S Medical Image Segmantation Using ...
  • Woods Richard E and Eddins Steven L Digital Image Processing ...
  • Karimi Moridani Mohammad Cancer detection method Quantification of vector [Journal] ...
  • _ _ _ _ Computer Society of Iran ...
  • نمایش کامل مراجع