این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۹، شماره ۳، صفحات ۱-۱۷
عنوان فارسی تشخیص تومور مغزی در تصاویر MRI سه بعدی با اعمال آنتروپی کاپور و الگوریتم انباشتن دانه‌ای
چکیده فارسی مقاله تومور مغزی یکی از عوامل مهم در مرگ و میر است به همین منظور تشخیص به ­موقع و مناسب برای درمان تومور ضروری است. در این پژوهش از تصاویر سه بعدی برای تشخیص تومور استفاده می­گردد. تصاویر سه­ بعدی دارای عمق می­باشند و از این جهت، نقاط کوری که ممکن است در تصاویر دوبعدی پنهان بماند را می­توان مشاهده نمود. در این مقاله یک روش آستانه ­گیری با استفاده از آنتروپی­ کاپور برای تشخیص تومور مغزی در تصاویر MRI سه­ بعدی ارائه می­شود. در روش پیشنهادی ابتدا به منظور متمایز ساختن ناحیه تومور، تصاویر به­ صورت سه­ بعدی نرمالیزه می­گردند که این مزیت را دارد سطح روشنایی تومور نسبت به بقیه نقاط مغز روشن­تر شود. در مرحله بعد تصویر سه ­بعدی در سه­ جهت برش داده شده و به تصاویر دوبعدی تبدیل می­گردد. با اعمال دو مرحله آنتروپی کاپور به تصاویر دوبعدی ناحیه تومور به همراه نقاطی که سطح روشنایی بالاتری نسبت به مقدار آستانه دارند جدا می­شوند. برای حذف نقاط اضافی ابتدا با روی هم قرار دادن تصاویر دوبعدی، تصویر سه ­بعدی ساخته شده، سپس با استفاده از فیلتر مورفولوژی سه بعدی و الگوریتم انباشتن دانه­ ای ناحیه تومور به صورت سه­ بعدی استخراج می­گردد. از مزایای روش پیشنهادی حذف نواحی زائد با حفظ ناحیه تومور و پوشش تمام زوایای تومور در سه جهت می­باشد. برای نشان دادن کارآمدی روش پیشنهادی از مجموعه پایگاه داده BRATS استفاده گردید که نتایج ارزیابی برای تشخیص تومور با ارزیابی ضریب تشابه، حساسیت و خاصیت به ترتیب 0.9407 و 0.9235 و 0.999 بدست آمد که نسبت به روش­هایی که ارائه شده دارای عملکرد بهتری است.
کلیدواژه‌های فارسی مقاله MRI سه بعدی، مورفولوژی سه بعدی، الگوریتم انباشتن دانه ای، آنتروپی کاپور،
عنوان انگلیسی Brain Tumor Detection in 3D MRI images using Kapur's Entropy and flood fill algorithm
چکیده انگلیسی مقاله The Brain tumor is one of the most important factors in mortality, so timely and appropriate detection is necessary to treat the tumor. In this study, 3D images are used to detect tumor. 3D images have depth and therefore, blind spots that may be hidden in 2D images can be seen. This paper presents a threshold method using Kapur’s entropy to detect brain tumors in 3D MRI images. In the proposed method, in order to differentiate the tumor area, the images are normalized in three dimensions, which has the advantage that the brightness level of the tumor is brighter than the rest of brain. In the next step, the 3D image is sliced in 3D and converted into 2D images. By applying two steps of Kapur’s entropy to two-dimensional images of the tumor area with points that have a higher brightness level than the threshold value are separated. To remove Additional areas, a 3D image is first made by stacking 2D images on top of each other, and then the 3D area is extracted using a 3D morphology filter and flood-fill algorithm the advantages of the proposed method is the removal of excess areas while preserving the tumor area and covering all angles of the tumor in three dimensions. To show the efficiency of the proposed method, the BRATS database was used. The evaluation results for detecting tumor were evaluated with similarity, sensitivity and specificity coefficients of 0.9407, 0.9235 and 0.999, respectively, which have better performance than the proposed methods.
کلیدواژه‌های انگلیسی مقاله MRI سه بعدی, مورفولوژی سه بعدی, الگوریتم انباشتن دانه ای, آنتروپی کاپور
نویسندگان مقاله مصطفی نظام زاده |
دانشجوی دکتری مهندسی برق-الکترونیک، دانشگاه لرستان

وحید مهرداد |
گروه آموزشی مهندسی برق-الکترونیک، دانشکده فنی و مهندسی، دانشگاه لرستان

نشانی اینترنتی https://jmvip.sinaweb.net/article_139106_9406566bd913fc1de0d52901cbe5db43.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات