ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویرCT به منظور تشخیص کامپیوتری انواع نادول‌های ریوی
- سال انتشار: 1387
- محل انتشار: پنجمین کنفرانس ماشین بینایی و پردازش تصویر
- کد COI اختصاصی: ICMVIP05_035
- زبان مقاله: فارسی
- تعداد مشاهده: 2063
نویسندگان
آزمایشگاه تحقیقاتی پردازش سیگنالهای دیجیتال- دانشکده مهندسی برق و ک
آزمایشگاه تحقیقاتی پردازش سیگنالهای دیجیتال- دانشکده مهندسی برق و ک
آزمایشگاه تحقیقاتی پردازش سیگنالهای دیجیتال- دانشکده مهندسی برق و ک
آزمایشگاه تحقیقاتی پردازش سیگنالهای دیجیتال- دانشکده مهندسی برق و ک
چکیده
مرحله پیش پردازش در اکثر سیستم های CAD (تشخیص به کمک کامپیوت ر ) برای تشخیص اغلب بیماری های ریه به ویژه نادول های کوچک ریوی ، تقسیم بندی مناطق ریه می باشد. در این مقاله تکنیکی برای تقسیم بندی ریه در تصاویرCT براساس تبدیلWatershed ارائه شده است که سریع و دقیق است . ابتدا ناحیه ریه ها به کمک آستانه گذاری اولیه به صورت تقریبی تعیین می شود. با این کار هموارسازی مناطق داخلی ریه بدون ا ز دست دادن جزییات مرز ریه ها ممکن می شود .سپس تصویر توسط مارکرهای داخلی و خارجی ، نشان گذاری می شود. این مارکرها با تصویر گرادیان تصویر اصلی ترکیب شده و سپس برای مشخص کردن مرزهای ریه از آن تبدیلWatershedگرفته می شود. در این تکنیک لایه های بالایی و پایینی CTکه احتمالاً شامل ناحیه های کوچک متعلق به ریه هستند، به صورت خودکار شناسایی و با آنها به گونه متفاوتی رفتار می شود تا بدون توجه به لایهCT بتواند ناحیه مطلوب را شناسایی کند . در این روش مسایل مربوط به یافتن یک آستانه بهینه و جدا کردن ریه های راست و چپ ، که دو عمل مهم در اکثر روش های تقسیم بندی ریه می باشد و نیاز به زمان زیادی هم دارد، حذف شده است. الگوریتم بر روی تصاویرCT از پایگاه دادهLIDC اعمال شده است و نتایج حاصل از آن نشان دهنده سرعت، دقت و حساسیت این روش است.کلیدواژه ها
پردازش تصاویر پزشکی، تبدیل Watershed، تصاویر CT قفسه سینه، تقسیمبندی ریه، نادول‌های ریویمقالات مرتبط جدید
- The Impact of Artificial Intelligence on Staff Training in Organizations
- هوش مصنوعی از گذشته تا حال حاضر و چشم انداز پیشروی آن
- Using genetic data to personalize content in social space with the help of CNN deep neural network
- مدلسازی بیومکانیکی مبتنی بر هوش مصنوعی: فرصت ها و چالش ها در توسعه تجهیزات پزشکی پیشرفته
- مقایسه سه مدل یادگیری ماشین در تشخیص بیماری قلبی: Logistic Regression ، Decision Tree ، Random Forest
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.