MRI تخمین اتوماتیک پارامترهای کلاسهای بافتی تصاویر
- سال انتشار: 1384
- محل انتشار: سیزدهمین کنفرانس مهندسی برق ایران
- کد COI اختصاصی: ICEE13_380
- زبان مقاله: فارسی
- تعداد مشاهده: 1623
نویسندگان
گروه مهندسی برق و کامپیوتر دانشگاه تهران دانشگاه صنعتی سهند
گروه مهندسی برق و کامپیوتر دانشگاه تهران
دانشکده مهندسی برق دانشگاه صنعتی سهند
چکیده
چکیده : از جمله مباحث مطرح در اکثر آلگوریتمهای بخش بندی براساس مدل، تخمین اتوماتیک پارامترهای کلاسهای بافتی است . در این مقاله تخمینگرهای قدرتمند ژنتیکی و نمونه بهبود یافته EM مطرح و نسبت به هم مورد ارزیابی قرار می گیرند . آلگوریتمهای ژنتیکی تکنیکهای جستجوی مؤثر آماری برای مسائل بهینه سازی کلی بوده و کاربردهای زیادی در مسائل مهندسی دارند . نسبت وزنی، میانگین و انحراف معیار کلاسهای بافتی بعنوان جمعیت اولیه به آلگوریتمهای ژنتیکی داده می شوند . در شروع آلگوریتم، فقط کافیست محدوده تقریبی پارامترها مشخص شود . آلگوریتم EM ارائه شده در این مقاله، به آلگوریتمهای در مطرح شده در ] ۱ [ و ] ۲ [ نزدیک تراست . آلگوریتمی ارائه شده که بطور تکراری تصاویر MR را به تعداد مشخصی کلاس بافتی نرمال تفکیک می کند ضمن اینکه در هر تکرار، براساس فاصله mahalanobis تعریف شده برای کلاسهای بافتی نرمال، پیکسلهایی که از یک مقدار مشخصی تجاوز کنند حذف می شوند . سپس تنظیم پارامترها فقط براساس واکسلهای حذف نشده انجام می گیرد . آلگوریتم مطرح شده در این مقاله، روند ملایمتری برای حذف واکسلهای غیر نرمال بکار می برد . علاوه بر نتایج بدست آمده توسط آلگوریتمها، پارامترها بصورت دستی نیز محاسبه شده و باهم مقایسه می شوند . استفاده از نتایج بدست آمده، بعنوان شرایط اولیه در آلگوریتمهای بخش بندی بر انعطاف آنها می افزاید . البته تخمینگر ژنتیکی از سرعت پایینتری نسبت به تخمینگر EM برخوردار است .کلیدواژه ها
مقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
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.