استخراج ضایعات Multiple sclerosis) ms) از روی تصاویر MR مغز انسان/ موسی شمس‌کوجنقی؛ به راهنمائی : حمید سلطانیان‌زاده

102 صفحه، تصویر، کتابنامه
پایان نامه (کارشناسی ارشد) -- دانشگاه تهران، دانشکده فنی، 1378.
چکیده به زبان فارسی، انگلیسی
فنی و مهندسی. 00822 - مهندسی برق و الکترونیک

کلید واژه : تصویربرداری تشدید مغناطیسی / تصلب متعدد / مغز /

کلید واژه معادل لاتین : Magnetic Resonance Imaging / Multiple sclerosis / Brain

چکیده : تصویربرداری (Magnetic Resonance Imaging)MRI بخاطر دقت بالای تصویر و قدرت تشخیص عالی بافتهای نرم از یکدیگر، در به تصویر کشاندن بافتهای غیرطبیعی مغز انسان موفق بوده است . اختلالات عصبی مختلفی وجود دارند که منجر به آسسیب دیدگی سیستم عصبی مرکزی (Central Nerve System) می‌شوند و از جمله آن می‌توان به بیماری MS (Mulltiple Sclerosis) اشاره کرد. تصویربرداری MR نشان داده است که نسبت به این بیماری خیلی حساس می‌باشد و قادر است ضایعات را نسبت به بافتهای محیطی خود با شدت متفاوت به تصویر بکشاند. بخش‌بندی و استخراج ضایعات MS مغز انسان محور اصلی این تحقیق می‌باشد. به همین خاطر روشهای مختلف استخراج ضایعات MS مورد بررسی قرار می‌گیرد. کابردهای بالینی تصاویر مستلزم حذف ناهنجاریهای موجود در آن می‌باشد. از آن جمله می‌توان به غیریکنواختی میدان (Radio Frequency) RF اشاره کرد که بطور مکانی میانگین، میانه واریانس تصاویر را تغییر می‌دهد. آلگوریتمهای تلفیقی ارائه شده توسط Wells و همکاران [9] و Guillemaud وBrady [V] بر اسـاس آلـگــوریتم (Expectation Maximization (EM استاندارد بوده که در آن بطور همزمان بخش‌بندی و تصحیح غیریکنواختی شدت تصاویر صورت می‌گیرد. از جمله مسائل مطرح در این آلگوریتم تخمین اتوماتیک پارامترهای کلاسهای بافتی می‌باشد. آلگوریتم جدیدی بر اساس آلگوریتم EM استاندارد ارائه شده است که در آن روشی برای تخمین اتوماتیک پارامترهای کلاسهای بافتی در نظر گرفته‌ایم. آلگوریتم بخش‌بندی و تصحیح غیریکنواخت شدت مشابه آلگوریتم Wells و همکارانش است لیکن برای بهینه‌سازی آلگوریتم جدید، تغییراتی در آلگوریتم مذکور داده شده است . برای مقایسه کمی نتایج تصحیح غیریکنواختی شدت آلگوریتمها از معیار ضریب تغییرات انحراف معیار (نسبت انحراف معیار ROL مشخص به میانگین ضربدر 100) و برای مقایسه کمی نتایج بخش‌بندی ضایعات MS از معیار اندیس تشابه استفاده کرده‌ایم. در همه حالتها نتایج آلگوریتم ارائه شده قابل توجه می‌باشد. بعنوان مثال در یکی از تصاویر، آلگوریتم جدید ضریب تغییرات انحراف معیار از 0/400 به 0/009 کاهش داده است در حالیکه آلگوریتم Wells و همکاران آنرا به 0/040 و آلگوریتم Guillemaud و Brady آنرا به 0/022 تغییر داده است .