عنوان

تحلیل ریخت‌شناسی بطن‌های مغزی از روی تصاویر MRI مغز انسان

کد کشور

IR

شماره

۴۶۵۹پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

تحلیل ریخت‌شناسی بطن‌های مغزی از روی تصاویر MRI مغز انسان

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Morphological Analysis of Cerebral Ventricles from MRI Images of Human Brain

نام نخستين پديدآور

/حامد اصفهانی

نام ناشر، پخش کننده و غيره

: مهندسی پزشکی

تاریخ نشرو بخش و غیره

، ۱۴۰۱

نام خاص و کميت اثر

۷۴ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی پزشکی- بیوالکتریک

زمان اعطا مدرک

۱۴۰۱/۰۷/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

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.

متن يادداشت

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.

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Morphological Analysis of Cerebral Ventricles from MRI Images of Human Brain

موضوع مستند نشده

بهینه‌ساز شاهین هریس

موضوع مستند نشده

تبدیل هاف

موضوع مستند نشده

خوشه‌بند فازی

موضوع مستند نشده

شاخص‌های خطی بطن‌های مغزی

موضوع مستند نشده

ناهنجاری‌های مایع مغزی-نخاعی

موضوع مستند نشده

ویژگی‌های کانال تجمیعی

اصطلاح موضوعی

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

اصطلاح موضوعی

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

مستند نام اشخاص تاييد نشده

اصفهانی، حامد

مستند نام اشخاص تاييد نشده

شمسی، موسی، استاد راهنما

کشور

ایران

تاريخ عمليات

20230617

شماره بازیابی

پزشکی.م ،۱۰۰۷۴ ،۱۴۰۱

نام ميزبان

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

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

11156.pdf

تاريخ و ساعت مذاکره و دسترسي

pm10074.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۴۶۵۹

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y