دانلود شبیه سازی مقاله تقسیم بندی خودکار تومور مغزی با استفاده از مدل تصادفی پنهان مارکوف

عنوان فارسی

تقسیم بندی خودکار تومور مغزی با استفاده از مدل تصادفی پنهان مارکوف با دقت وزان دار فضایی

عنوان انگلیسی

Automated brain tumor segmentation using spatial accuracy-weighted hidden Markov Random Field

کلمات کلیدی

مدل کارکوف، تومور مغزی، تقسیم بندی، شبکه عصبی، تصاویر MRI

درسهای مرتبط

پردازش تصاویر پزشکی

تعداد صفحات انگلیسی : ۱۱ نشریه : Elsevier
سال انتشار : ۲۰۰۹ تعداد رفرنس مقاله : ۳۸
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
الزویر
قیمت دانلود مقاله
66,000تومان
دانلود رایگان مقاله انگلیسی
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله
برنامه ای که در آن مقاله شبیه سازی شده است : Matlab نام مجله مقاله : Computerized Medical Imaging and Graphics
ترجمه: ندارد گزارشکار : دارای گزارش کار کامل فارسی شبیه سازی : در نرم افزار متلب

این مقاله در محیط متلب به صورت کامل شبیه سازی شده و در صورت خرید و دانلود مقاله شما به راحتی قادر خواهید بود از برنامه مربوطه استفاده نمایید. در صورت بروز هر گونه مشکل در نحوه ی اجرای برنامه سایت سیگمالند به مدت 24 ساعت بعد از خرید محصول، پشتیبانی آن را تا اجرای کامل برعهده دارد. برای این مقاله گزارش کار ۲۴ صفحه ای اماده شده است و در صورت خرید در اختیار پژوهشگران گرامی قرار خواهد گرفت.

توضیحات و مشاهده مقاله انگلیسی

تشخیص تومور مغزی با مدل پنهان مارکوف

امروزه استفاده از تصاویر MRI برای تشخیص و درمان بیماری ها بسیار مورد توجه قرار گرفته است. یکی از کاربردهای تصاویر MRI در تشخیص تومور مغزی است که به پزشکان این امکان را می دهد از محل قرار گیری تومور و ویژگی های آن اطلاعات مفیدی داشته باشند.

الگوریتم های متعددی برای تقسیم بندی تومور مغزی پیشنهاد شده است، اما اکثر آنها نیاز به تفکیک ایزوتروپیک و یا پراکنده ای ازتروپیک تصویر MR دارند. اگرچه قبل و بعد از تقسیم بندی، تبدیل و اینترپولاسیون توالی های با وضوح پایین مانند تصاویر T2 وزن دار به فضای تصویر با وضوح بالا مانند تصویر T1 می تواند انجام شود، نتایج معمولا به دلیل اثرات ناشی از interpolation تصاویر با وضوح پایین مطلوب نمی شوند.

برای بهبود کیفیت تقسیم بندی تومور در برنامه های کاربردی بالینی که در آن توالی های با وضوح پایین معمولا با تصاویر با وضوح بالا مورد استفاده قرار می گیرند، در این مقاله  استفاده از روش تصادفی پنهان مارکوف و حداکثر سازی انتظار (SHE) برای هر دو توزیع خودکار پشنهاد شده است. SHE دقت بینابینی فضایی تصاویر با وضوح تصویر را به روش بهینه سازی میدان تصادفی پنهان مارکوف (HMRF) برای توزیع تومور با استفاده از تصاویر MR با کیفیت های مختلف، شامل T2 وزن دار با رزولوشن بالا  T1 با وضوح بالا و با وضوح کم تصاویر، انجام می دهد. نتایج حاصل از شبیه سازی ها در نرم افزار متلب نشان می دهد که نتایج تقسیم بندی تومور با روش پیشنهادی می تواند عملکرد بهتری نسبت به الگوریتم های تقسیم بندی چند کاناله معمولی داشته باشد.

روش پیشنهادی در این مقاله بر روی دیتابیس BRAINIX اعمال شده است. این بانک شامل 62 تصویر MRI می باشد که از این بین 31 دارای تومور مغزی و 31 تصویر بدون تومور است و کار یادگیری بصورت شبکه عصبی بطور تصادفی است و تصاویر به صورت تصادفی انتخاب می شوند.

در شکل زیر الگوریتم روش پیشنهادی نشان داده شده است.

الگوریتم مارکوف

الگوریتم مارکوف

همچنین بخشی از نتایج شبیه سازی ها در ادامه نشان داده شده است.

تومور مغزی

تومور مغزی


        

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود شبیه سازی مقاله تقسیم بندی خودکار تومور مغزی با استفاده از مدل تصادفی پنهان مارکوف”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

آموزش برنامه نویسی

تماس با پشتیبانی

ارتباط با ما

  • شماره تماس : 09143817325
  • ایمیل : info@sigmaland.ir
تمامی حقوق مادی و معنوی برای سایت سیگمالند محفوظ است.