Liver CT-scans Segmentation Based on Fuzzy Logic & graph Theory
نام عام مواد
Dissertation
نام نخستين پديدآور
Zinab Hossein Mohmmed
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Electric and Computer Engineering
تاریخ نشرو بخش و غیره
1401
مشخصات ظاهری
نام خاص و کميت اثر
82p.
ساير جزييات
cd
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
نظم درجات
Science in Software Engineering
زمان اعطا مدرک
1401/06/14
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Today, medical imaging systems have attracted the attention of many researchers in image processing. Image processing methods are of great importance in repairing, identifying, and improving the quality of medical images. One of the fields of study is the liver's automatic division with a computer's help. Computer-assisted automatic liver segmentation can help radiologists detect abnormalities in the liver. This dissertation proposes methods and automated computer software for dividing the liver in CT scan images. The proposed method to solve this issue is to use image processing methods to automatically identify cancerous areas in the liver. The suggested method consists of 2 stages, which are the preprocessing and the segmentation. The Gaussian filter method is used in the pre-processing stage to improve image quality. Segmentation is done in two stages. Segmentation is done using fuzzy logic and integration method using graph theory and magnification of the area. The proposed algorithm is used on the open-source data set from the Radiopedia website. The help of a doctor specializing in this field has been sought to achieve the desired results. For this purpose, the results of computer-assisted segmentation were compared with the proposed algorithm using expert selection criteria. In this dissertation, the computer method, with the help of software developed for the extraction of liver cancer areas, may be utilized as a secondary tool in physicians' process of decision-making.
متن يادداشت
جدیداً سیستمهای تصویربرداری پزشکی توجه خیلی از محققان در زمینه پردازش تصویر را به خود جلب نموده است. شیوههای پردازش تصویر در ترمیم و تعمیر، شناسایی و بهبود کیفیت تصاویر پزشکی دارای اهمیت بالایی میباشد. یکی از حوزههای بررسی و مطالعه، تقسیمبندی خودکار کبد به کمک رایانه میباشد. تقسیمبندی خودکار کبد به کمک رایانه قادر است به رادیولوژیست یاری رساند تا ناهنجاریهای کبد را شناسایی نماید. در این مقاله، نرمافزار کامپیوتری خودکار و شیوههایی به منظور تقسیمبندی کبد بر روی تصاویر CT پیشنهاد گردیده است. راه پیشنهادی جهت حل این مشکل استفاده از شیوههای پردازش تصویر به منظور تشخیص و شناسایی خودکار نواحی سرطانی در کبد میباشد. روش پیشنهادی دارای دو مرحله پیشپردازش و تقسیمبندی میباشد. در مرحله پیشپردازش از شیوهی فیلتر گاوسی جهت بهبود کیفیت تصویر استفاده میگردد. تقسیمبندی در دو مرحله انجام میپذیرد. تقسیمبندی با کمک منطق فازی و روش یکپارچه سازی با استفاده از تئوری گراف و تقویت ناحیه انجام میپذیرد. الگوریتم پیشنهادی در مجموعه داده منبع باز از Radiopedia استفاده میگردد. یک متخصص به منظور رسیدن به نتایج مطلوب، در این زمینه استخدام گردید. برای این منظور، نتایج تقسیمبندی به کمک رایانه با الگوریتم پیشنهادی با کمک معیارهای انتخاب خبره مقایسه گردید. در این مقاله، یک شیوهی نرمافزاری به کمک کامپیوتر در استخراج نواحی سرطان کبد قادر است به عنوان یک ابزار ثانویه در فرآیند تصمیمگیری پزشکان مورداستفاده قرار گیرد.
عنوانهای گونه گون دیگر
عنوان گونه گون
قطعه بندي تصاوير سی تی اسکن کبد بر اساس منطق فازی و نظریه گراف