عنوان

تحلیل ریخت‌شناسی بطن‌های مغزی از روی تصاویر MRI مغز انسان

Country Code

IR

Number

۴۶۵۹پ

.Language of Text, Soundtrack etc

فارسی

Country of publication

IR

Title Proper

تحلیل ریخت‌شناسی بطن‌های مغزی از روی تصاویر MRI مغز انسان

General Material Designation

[پایان‌نامه]

Parallel Title Proper

Morphological Analysis of Cerebral Ventricles from MRI Images of Human Brain

First Statement of Responsibility

/حامد اصفهانی

Name of Publisher, Distributor, etc.

: مهندسی پزشکی

Date of Publication, Distribution, etc.

، ۱۴۰۱

Specific Material Designation and Extent of Item

۷۴ص.

Other Physical Details

:

Text of Note

زبان: فارسی

Text of Note

زبان چکیده: فارسی

Text of Note

چاپی - الکترونیکی

Text of Note

مصور، جدول، نمودار

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی پزشکی- بیوالکتریک

Date of degree

۱۴۰۱/۰۷/۰۱

Body granting the degree

صنعتی سهند

Text of Note

سیستم بطنی یکی از ساختارهای برجسته در مغز است که در قسمت‌های میانی مغز قرار داشته و با مایع مغزی-نخاعی (CSF) پر شده است .ریخت‌شناسی بطن‌ها در مطالعات هیدروسفالی، اسکیزوفرنی، تومورها، تروما، بیماری آلزایمر، بیماری پارکینسون، پیری و آتروفی جهت تشخیص بیماری‌های عصبی مانند سکته مغزی، زوال عقل و بیماری هانتینگتون مورد بررسی قرار گرفته می‌شود .بررسی مورفومتریک بطن‌های مغزی توسط متخصصین مغز و اعصاب براساس اندازه‌گیری دستی انجام می-گیرد .این فرآیند سخت و زمان‌بر بوده به‌طوری که نیازمند مهارت و تجربه است .در این مطالعه، روشی کاملا خودکار جهت بررسی مورفومتریک بطن‌های مغزی ارائه می‌شود .بخش‌بندی بطن‌های مغزی گامی مهم جهت آشکارسازی لندمارک‌های بطن‌های مغزی است .همچنین، تخمین اولیه ناحیه بطنی-مغزی می‌تواند در بخش‌بندی دقیق مرز بطن‌ها مؤثر باشد .برای این منظور، خوشه‌بند فازی (FCM) بهینه شده با الگوریتم شاهین هریس (HHO) و ویژگی‌های کانال تجمیعی (ACF) به‌کار گرفته می‌شوند .جهت اندازه‌گیری شاخص‌های خطی بطن‌های مغزی شامل ایوانز، دودمی، دودمی-قدامی، دودمی-گیجگاهی و شماره هاکمن نیازمند مکان‌یابی تعدادی لندمارک بر روی تصاویر MRI هستیم .این فرآیند براساس ویژگی‌های هندسی بطن‌های مغزی و به‌کارگیری تبدیل هاف انجام می-شود .الگوریتم پیشنهادی با الگوریتم‌های بهینه‌سازی نهنگ(WOA) ، جست و جوی کلاغ(CSA) ، ازدحام ذرات (PSO) و روش تکامل فاصله قاعده‌مندشده تنظیم سطح (DRLSE) مقایسه شد .تمام الگوریتم‌های ذکر شده در نرم‌افزار متلب پیاده‌سازی شده و روی پایگاه داده مورد استفاده ارزیابی شدند .نتایج پیاده‌سازی نشان می‌دهند که الگوریتم پیشنهادی با دقت ۹۰ ، حساسیت ۸۲ ، ویژگی ۹۹ ، نسبت پیک سیگنال به نویز ۷۷/۱۱، ضریب تشابه تاس ۸۶ ، شاخص جاکارد ۷۵ و امتیاز تطبیق کانتور ۹۲ بهترین عملکرد را در بخش‌بندی بطن‌های مغزی نسبت به سایر روش‌های مقایسه شده دارد .همچنین، نتایج نشان می‌دهند که دقت اندازه‌گیری الگوریتم پیشنهادی در معیارهای مورفومتریک ذکر شده به‌ترتیب ۹۷ ، ۷۴ ، ۷۷ ، ۷۶ و ۹۲ است.

Text of Note

The ventricular system is one of the prominent structures in the brain, located in the middle parts of the brain and filled with cerebrospinal fluid (CSF). The morphology of the ventricles is used in studies of hydrocephalus, schizophrenia, tumors, trauma, Alzheimer's disease, Parkinson's disease, aging and atrophy to diagnose neurological diseases such as stroke, dementia and Huntington's disease. Morphometric analysis of cerebral ventricles is performed by neurologists based on manual measurement. This process is difficult and time consuming, therefore it requires certain skills and experiences. In this study, a completely automatic method for morphometric analysis of cerebral ventricles is proposed. Segmentation of cerebral ventricles is an important step to detect the landmarks of cerebral ventricles. Furthermore, the initial estimation of the cerebro-ventricular area can be effective in the proper segmentation of the ventricles. In this regard, Fuzzy C-Means Clustering (FCM) optimized with Harris-Hawks Optimization algorithm (HHO) and Aggregate Channel Features (ACF) are used. In order to measure the linear indices of cerebral ventricles, including Evans Index, BiCaudate Ratio, BiCaudate-Frontal Index, Bicaudate-Temporal Index, and Huckman Number, locating a number of landmarks on MRI images is required. This process is based on the geometric features of cerebral ventricles and the use of Hough transformation. The proposed algorithm was compared with Whale Optimization Algorithm (WOA), Crow Search Algorithm (CSA), Particle Swarm Optimization (PSO) and Distance Regularized Level Set Evolution (DRLSE) algorithm. All the mentioned algorithms were implemented in MATLAB software and evaluated on the used dataset. The implementation results demonstrate that the proposed algorithm has the best performance with precision 90 , sensitivity 82 , specificity 99 , peak signal-to-noise ratio 77/11, dice similarity coefficient 86 , Jaccard index 75 and contour matching score 92 in the segmentation of cerebral ventricles among other compared methods. Additionally, the results show that the measurement accuracy of the proposed algorithm in the mentioned morphometric linear indices is 97 , 74 , 77 , 76 and 92 respectively.

ba

Parallel Title

Morphological Analysis of Cerebral Ventricles from MRI Images of Human Brain

بهینه‌ساز شاهین هریس

تبدیل هاف

خوشه‌بند فازی

شاخص‌های خطی بطن‌های مغزی

ناهنجاری‌های مایع مغزی-نخاعی

ویژگی‌های کانال تجمیعی

Subject Term

Aggregate channel features, Cerebrospinal Fluid Abnormalities, Fuzzy C-Means Clustering, Harris-Hawks Optimizer, Hough Transformation, Linear Indices of Cerebral Ventricles

Subject Term

بهینه‌ساز شاهین هریس، تبدیل هاف، خوشه‌بند فازی، شاخص‌های خطی بطن‌های مغزی، ناهنجاری-های مایع مغزی-نخاعی، ویژگی‌های کانال تجمیعی

اصفهانی، حامد

شمسی، موسی، استاد راهنما

Country

ایران

Date of Transaction

20230617

Call Number

پزشکی.م ،۱۰۰۷۴ ،۱۴۰۱

Host name

ریواصت‍ ی‌ور زا ی‌زغم‍ ی‌اهن‌طب‍ ی‌سانشت‌خیر ل‌یلحت‍ MRI ن‌اسنا زغم‍.pdf

Access number

عادی

Compression information

عادی

Date and Hour of Consultation and Access

11156.pdf

Date and Hour of Consultation and Access

pm10074.pdf

Bits per second

0

Contact for access assistance

ایمانی

Electronic Format Type

متن

File size

0

Record control number

پ۴۶۵۹

Public note

فارسی

نمایه‌سازی قبلی

pe

TF

92029

1

a

Y