این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۲، شماره ۱، صفحات ۳۴-۴۱
عنوان فارسی استخراج خودکار توپوگرافی لبه در تصاویر پزشکی به کمک الگوریتم بهینهسازی کلونی مورچه و تکنیکهای پردازش تصویر
چکیده فارسی مقاله آشکارسازی لبه در پردازش تصویر از تکنیکهای اساسی در بخشبندی، جداسازی و درک موقعیت بخشهای ویژه از تصویر است. وجود نویز و به همریختگی ساختاری در اثر ضعیف بودن کنتراست محلی تصاویر پزشکی از اصلیترین دلایلی به شمار میروند که عملگرهای کنونی قادر نباشند به درستی لبه رادر اینگونه تصاویر آشکار سازند. در این مقاله از الگوریتم فرا اکتشافی کلونی برای یافتن لبه در تصاویر پزشکی استفاده شده که همگرایی سریع آن در دستیابی بهپاسخ بهینه و پارامترهای مقاوم آن در مقدار دهی اولیه سبب شده تا الگوریتمی کارآمد طراحی گردد. با گسیل مورچهها به سمت پیکسلهای تصویر و تکیه برمشخصههای لبه، ماتریس فرومون ساخته میشود که در بردارنده اطلاعات مربوط به بافت آسیب دیده است. در مرحله ارزیابی سیستم پیشنهادی، با دریافت 220مغز و 50 تصویر میکروسکوپی از پایگاههای پزشکی گوناگون، در سطح قابل قبولی MRI تصویر پزشکی مرکب از 90 تصویر شبکیه چشم افراد دیابتی، 80 تصویر88 % نشان / 94 % حاصل آمد. ضریب کاپای برابر با 79 / 94 % و ویژگی 00 / 94 %، حساسیت 16 / دقتی برابر با 90 ،Canny و Sobel و در مقایسه با عملگرهای چون دهنده ضریب اطمینان بالای سیستم در عملکرد است. بکارگیری روش ترکیبی کنونی در پردازش تصاویر سبب شده حتی در تصاویر با شدت نویز بالا، دقت تاحد چشمگیری افزایش یابد و میانگین متوازن دقت و حساسیت معنادار باشد. استخراج دقیق بخش پاتولوژیک تصاویر پزشکی، پزشک متخصص را قادر میسازدتا مرحله پیشرفت بیماری احتمالی را تعیین کند و نحوه درمان متناسب با رشد بیماری را پیشنهاد دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Automatic Extraction of Edge Topography in Medical Images Using Ant Colony Optimization Algorithm and Image Processing Techniques
چکیده انگلیسی مقاله Edge detection in image processing is one of the main techniques used in segmentation,separation and detection of the special parts of the image. The presence of noise andstructural anomaly due to the weak local contrast of the medical images are of the reasonsthat prevent the current operators from accurate detection of the edge in these images. In thispaper, the meta-heuristic colony algorithm has been used for edge detection in medicalimages. Rapid convergence to obtain the optimal solution along with the parameters resistantto initialization has increased the efficiency of the algorithm. In different parts of the image,especially the part with pathological damage, the edge is assumed as ant's food. Receiving medical images composed of retina images taken from diabetic patients, MRIimages as well as microscopic images taken from various medical databases and applyingsystem to them in contrast to such known operators as Canny and Sobel, an acceptable levelof accuracy .%, sensitivity .% and specificity % was separated in the targetarea from the rest of image. The .% Kappa coefficient indicates the high reliabilityfactor of system in terms of performance. The use of the current combination method forprocessing of the images has increased the accuracy even in images with high brightness,rendering the F-Measure significant. The accurate extraction of pathological parts frommedical images allows the specialist to determine the disease progression stage, and suggestan appropriate treatment in accordance with the disease growth.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله خسرو رضائی |
دانشگاه حکیم سبزواری، دانشکده برق و کامپیوتر، گروه مهندسی پزشکی، سبزوار، ایران

جواد حدادنیا |
مرکز تحقیقات فناوریهای نوین پزشکی، دانشگاه علوم پزشکی سبزوار، سبزوار، ایران

احمد دلبری |
انستیتو کارولینسکای استکهلم، مرکز مطالعات بالینی و تحقیقات پزشکی، استکهلم، سوئد

نشانی اینترنتی http://jscit.nit.ac.ir/article_67370_fb8b09fec35516c7983ddbb195efe088.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-808539.pdf
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