عنوان

تشخیص آسیب‌های MS با استفاده از کلاس بندی و تقسیم بندی تصاویر MRI چندحالته

شماره

پ۲۷۳۱۲

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

تشخیص آسیب‌های MS با استفاده از کلاس بندی و تقسیم بندی تصاویر MRI چندحالته

نام نخستين پديدآور

آرش سالاروندیان

نام ناشر، پخش کننده و غيره

مهندسی برق و کامپیوتر

تاریخ نشرو بخش و غیره

۱۴۰۱

نام خاص و کميت اثر

۷۶ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی پزشکی گرايش بیوالکتریک

زمان اعطا مدرک

۱۴۰۱/۰۶/۱۹

متن يادداشت

MS یک بیماری خود ایمنی در سیستم عصبی مرکزی است که به بهترین وجه با MRI مغز تشخیص داده می‌شود. داشتن یک راه سریع و دقیق برای ارزیابی اندازه و تعداد ضایعات التهابی در مغز یک جزء کلیدی در ارزیابی پیشرفت بیماری و اثربخشی درمان است. هدف از مطالعه حاضر برای تشخیص ضایعات MS با استفاده از طبقه¬بندی و قطعه¬بندی تصاویر MRI چند برشی است. در این تحقیق با استفاده از تقسیم¬بندی و تشخیص ناهنجاری‌ها و ضایعات MS با استفاده از استخراج ویژگی تصویر و در مرحله بعد با اعمال طبقه¬بندی بر اساس خوشه¬بندی نتایج بهبود یافته است.با استفاده از الگوریتم پیشنهادی یک فرآیند هفت مرحله¬ای اعمال گشته است، اولین قدم تصویر MRI انتخاب شد و در مرحله دوم پیش¬پردازش انجام گردید، عملیاتی که منجر به ایجاد یک تصویر تغییر یافته با ابعاد مشابه تصویر اصلی می‌شود. سپس در مرحله سوم تقسیم تصویر انجام شد، عملیاتی که تصویر را به چند قسمت تقسیم می‌کند تا با اهداف واقعی مطابقت داشته باشد. در مرحله چهارم هدف افزایش قابلیت دیدن عکس‌های جدید ساخته شده بود و همچنین در مرحله پنجم استخراج ویژگی انجام گردید. در مرحله ششم انتخاب ویژگی تصویر بود این مرحله بخش مهمی از عملکرد طبقه¬بندی و تشخیص تصویر است که به‌طور قابل توجهی نتایج را تحت تأثیر قرار می¬دهد، سپس در آخرین مرحله سعی شده است تا انواع ضایعات MS طبقه¬بندی گردد.با استفاده از الگوریتم پیشنهادی، پس از اعمال فیلتر در مرحله پیش¬پردازش، پیکسل‌ها و مناطق مشابه در تصویر شناسایی و به صورت دسته‌ای قرار گرفتند و ضایعات ناهنجاری و MS در دو مرحله پیش‌پردازش و استخراج ویژگی شناسایی شدند.در نتایج به¬دست آمده صحت، حساسیت و دقت الگوریتم پیشنهادی در تشخیص ضایعات MS در مغز به ترتیب 99/97%، 02/98% و 2/99% بوده است.

متن يادداشت

MS is an autoimmune disease of the central nervous system that is best diagnosed by brain MRI; Therefore, having a quick and accurate way to assess the size and number of inflammatory lesions in the brain is a key component in assessing disease progression and treatment effectiveness. As a result, the present study was performed to diagnose MS lesions using multi-sectional MRI image classification and segmentation. In this study, using classification and diagnosis of anomalies and MS lesions, using image feature extraction, and in the next step, by applying classification based on clustering, the results have been improved.Using the proposed algorithm, a seven-step process is performed, the first step of the MRI image is selected and the second step is preprocessing, the preprocessing is the operation that results in the creation of a modified image with dimensions similar to the original image. . Then in the third step, the image is divided, the image is divided, that is, any operation that divides the image into several parts to match the real goals. In the fourth stage, the goal was to increase the visibility of new photos, and in the fifth stage, feature extraction was performed, which is any operation that preserves important components of the image. The sixth step was to select the image feature. This step is an important part of the image classification and recognition function that significantly affects the results, then in the last step, an attempt has been made to classify the types of MS lesions.Using the proposed algorithm, after applying the filter in the preprocessing step, similar pixels and areas in the image were identified and grouped, and anomalous lesions and MS were identified in the two preprocessing and feature extraction stages.

عنوان گونه گون

Diagnosis of MS lesions using multi-mode MRI image classification and segmentation

عنصر شناسه اي

سالاروندیان‏،‏

ساير عناصر نام

‏آرش

کد نقش

تهيه کننده

عنصر شناسه اي

مشگینی،‏

عنصر شناسه اي

‏عباسیان،

ساير عناصر نام

‏‏سعید

ساير عناصر نام

‏کریم

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

تبریز‏