Integrating Location and Tissue Type Information in Entropy -Based Coupled Object Segmentation of Brain Structures

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,909

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME16_001

تاریخ نمایه سازی: 11 تیر 1388

چکیده مقاله:

We propose a three – dimensional , nonparametric , entropy – based coupled , multi – shape approach to segment subcortical brain structures from magnetic resonance images (MRI) using tissue type and location information It integrals geometrical relationships among different structures into the algorithm by coupling them it defines an entropy –based energy function which is minimized using quasi – Newton algorithm. To this end , the required probability density functions (pdf) are estimated iteratively using nonparametric Parzen window method Also using FANTASM tissue segmentation, a scaled pdf is defined for the tissue type of each structure In addition, based on the training datasets , a pdf is defined for the location of each structure . Results are given for the segmentation of caudate , thalamus putamen, patlidum, hippocampus, and amygdale illustrating superior performance of the proposed method compared to those of previous methods

کلیدواژه ها:

Image segmentation ، brain structures ، location and tissue type information ، medical image processing ، magnetic resonance imaging (MRI)

نویسندگان

Alireza Akhondi Asl

Control and Intelligent Processing Center of Excellence (CIPCE) , School of Electrical and Computer Engineering , University of Tehran , Tehran , Iran

Hamid Soltanian zadeh

Control and Intelligent Processing Center of Excellence (CIPCE) , School of Electrical and Computer Engineering , University of Tehran , Tehran , Iran

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 :