بخشبندی اتوماتیک غضروف مفصل لگن با استفاده از تصاویر MR

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,731

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME13_003

تاریخ نمایه سازی: 31 خرداد 1387

چکیده مقاله:

یکی از ابزارهای مهم در تشخیص بیماری در مفصل لگن، اندازه گیری ضخامت غضروفها در این مفصل می باشد. در این مطالعه روش اتوماتیکی برای بخشبندی غضروفها با استفاده از داده های MR ارائه می شود. در این مقوله روشی که ارائه می شود روشی چند مرحله ای می باشد. ابتدا برای ایزوتروپیک کردن داده ها، با تکنیک اینترپلاسیون سینک از آنها نمونه برداری مجدد به عمل می آید. سپس با فرض سر فمور به شکل کره با کمک تبدیل هاف مرکز آن تخمین زده می شود. بعد از آن با روش کوانتیزاسیون برداری، استخوانها بخشبندی می گردند. با استفاده از مرز استخوان ها فضای بین مفصلی با عملیات مورفولوژیک بدست می آید. با کمک فیلترهای مشتق گیر سه بعدی در راستای شعاع فمور، مرزها ارتقا داده شده و با اعمال فیلتر آشکار ساز لبه کنی و با حذف مرزهای نامطلوب با توجه به شرایط آناتومیکی، مرز فضای آرتیکولار بدست می آید. با داشتن فضای بین مفصلی و فضای آرتیکولار می توان غضروفهای مفصلی را با روش های تفاضلی بخشبندی نمود. قسمتهای مختلف این الگوریتم در محیطهای برنامه نویسی ++C و MATLAB طراحی و اجرا شده است. قابلیت این روش به طور موفقیت آمیز در 40 مفصل لگن یعنی 1200 تصویر MR ارزیابی شده است.

نویسندگان

مهدیه خانمحمدی

قطب علمی کنترل و پردازش هوشمند، ساختمان دانشکده برق و کامپیوتر، دانش

رضا آقایی زاده ضروفی

قطب علمی کنترل و پردازش هوشمند، ساختمان دانشکده برق و کامپیوتر، دانش

یوشی نبوساتو

گروه تحلیل تصویر تحصیلات تکمیلی دانشکده پزشکی، دانشگاه اوزاکا، ژاپن

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 :
  • T. Nishii, K. Nakanishi, N. Sugano, K. Masuhara, K. Ohzono ...
  • T. Nishii, N. Sugano, Y. Sato et al., ،، Three- ...
  • PR Kornaat, SB Reeder, S. Koo et al., ،MR imaging ...
  • R. A. Zoroofi, Y. Sato, T. Nishii, K. Nakanishi, H. ...
  • S. Geman and D. Geman, 0;Stochastic relaxiation, Gibbs distributions and ...
  • _ Y. Sato, K Nakanishi, H Tanaka et al., _ ...
  • N Otsu, ،0A threshold selection method from gray level histograms" ...
  • D. Chen, Z. Liang, M. R.Wax, L. Li, Bin Li, ...
  • CT Images for Virtual Colonoscopy IEEE Trans. Medical Imaging, Vol. ...
  • T. N. Papps, 00An adaptive clustering algorithm for image S ...
  • A. Gersho and R. M. Gray, Vector Quantization and Signal ...
  • Y. Linde, A. Buzo, and R. M. Gray, _ algorithm ...
  • Y. Sato, T. Kubota, K. Nakanishi, H. Tanaka, N. Sugano, ...
  • M. Kh an mohammadi _ R. A. Zoroofi, Y. Sato, ...
  • نمایش کامل مراجع