بخشبندی توأم با تصحیح بایاس تصاویر MRI مغز انسان براساس روشهای مبتنی بر مدل ترکیبی گوسی
نام عام مواد
[پایاننامه]
عنوان اصلي به زبان ديگر
Segmentation and Bias Field Correction of Brain MR Images Based on Gaussian Mixture Model Methods
نام نخستين پديدآور
/کبری اسمعیلی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی پزشکی
تاریخ نشرو بخش و غیره
، ۱۳۹۸
مشخصات ظاهری
نام خاص و کميت اثر
۸۰ص.
ساير جزييات
:
يادداشت کلی
متن يادداشت
زبان: فارسی
متن يادداشت
زبان چکیده: فارسی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به مشخصات ظاهری اثر
متن يادداشت
مصور، جدول، نمودار
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی پزشکی- بیوالکتریک
زمان اعطا مدرک
۱۳۹۸/۰۶/۰۱
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
تصویربرداری تشدید مغناطیسی، یکی از قدرتمندترین و بیضررترین راههای مطالعه بافتهای داخلی بدن انسان است .این روش تصویربرداری، فرصت مشاهده دقیق شرایط فیزیولوژی و آناتومی بدن انسان و به-ویژه مغز را فراهم میکند .یکی از چالشها، وجود غیریکنواختی شدت در تصاویر تشدید مغناطیسی مغز میباشد .معمولا برای بخشبندی تصاویر تشدید مغناطیسی آرتیفکتهایی نظیر نویز و میدان بایاس باید حذف شوند .در این پایاننامه بخشبندی تصاویر تشدید مغناطیسی با استفاده از روشهای مبتنی بر مدل ترکیب گوسی مطرح است .الگوریتم پیشنهادی شامل مراحل پیشپردازش، بخشبندی مبتنی بر مدلهای ترکیب گوسی و مقایسه و آنالیز نتایج است .روشهای مبتنی بر مدل های ترکیب گوسی شاملGM, FGMM, FGMMB -GM, BEM- EMو FLGMM میباشد .تحلیل و مقایسهی نتایج بهصورت کیفی و کمی با استفاده از معیارهای PSNR,JSI و Dice انجام میگیرد .نتایج و آنالیز الگوریتم پیشنهادی بیانگر این است که روشGM - EMدقت کمتری نسبت به سایر روشها دارد و با حذف میدان بایاس این روش بهبود مییابد .بین روشهای ترکیب گوسی روش FGMMB و FLGMM نتایج مطلوبتری دارند .نتایج الگوریتمهای مبتنی بر روش ترکیب گوسی فازی، برای نتایج بخشبندی در تصاویر MR با استفاده از معیار جاکارد برای برش ۹۵ با روشGM - EMمقدار ۰/۷۳۷۴ کمترین مقدار و با روش FLGMM مقدار ۰/۹۴۳۱ بیشترین مقدار را دارد .برای بافت سفید مغز نتیجه معیار دایس الگوریتمGM - EMمقدار ۰/۸۷۱۱و برای روش FLGMM مقدار ۰/۹۸۶۶ میباشد .نتیجهی بخشبندی مادهی خاکستری با استفاده از معیار دایس با روشGM - EMمقدار ۰/۸۰۶۹ و با روش FLGMM مقدار ۰/۹۶۷۴ دارد .با معیار PSNR نتایج برای روشهایGM - EMمقدار ۵۵/۲۴۰ و FLGMM مقدار ۶۴/۸۷۴ می باشد .که همهی نتایج بیانگر این است که الگوریتم FLGMM بهترین نتایج را ارائه میدهد .
متن يادداشت
Magnetic resonance imaging is one of the most powerful and harmless ways to study the internal tissues of the human body. This imaging technique provides an opportunity to observe the physiological and anatomical conditions of the human body, especially the brain. One of the challenges is the non-uniformity of intensity in magnetic resonance imaging of the brain. Artifacts such as noise and bias field usually need to be removed to segment magnetic resonance images. In this thesis, the segmentation of magnetic resonance images is done using methods based on the Gaussian mixture model. The proposed algorithm includes preprocessing steps, segmentation based on Gaussian mixture models, comparison and analysis of results. Methods based on Gaussian mixture models include EM-GM, BEM-GM, FGMM, FGMMB and FLGMM. Analysis and comparison of results are performed qualitatively and quantitatively using PSNR, JSI and Dice criteria. The results and analysis of the proposed algorithm indicate that the EM-GM method is less accurate than other methods and is improved by removing the bias field. Among the Gaussian mixture methods, the FGMMB and FLGMM methods have better results. The results of segmentation in MR images show that Jacquard criterion for slice 95 with EM-GM method is 0.7374 and with FLGMM method is 0.9431.For white brain tissue, Dice criterion result for EM-GM algorithm is 0.8711 and for FLGMM method is 0.9866.The result of Dice criterion for grading of gray matter using EM-GM method is 0.8069 and for FLGMM method is 0.9674. According to PSNR criteria, the results for EM-GM methods are 55.240 and FLGMM is 64.874. All the results indicate that the FLGMM algorithm provides the best results
خط فهرستنویسی و خط اصلی شناسه
ba
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Segmentation and Bias Field Correction of Brain MR Images Based on Gaussian Mixture Model Methods
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
تصاویر تشدید مغناطیسی
موضوع مستند نشده
بخشبندی
موضوع مستند نشده
مدل ترکیب گوسی فازی
موضوع مستند نشده
ناهمگنی شدت
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Magnetic resonance images, Segmentation, Fuzzy gaussian mixture model, Intensity inhomogeneity