ناحیه بندی جمجمه از تصاویر mr نوزادان با استفاده از اطلاعات تصاویر ct

پایان نامه
چکیده

ارائه مدلی نزدیک به واقعیت برای سر نوزادان در کاربردهای متعددی نظیر مکانیابی منبع سیگنالهای الکتروانسفالوگرافی (eeg) و مگنتوانسفالوگرافی (meg)، بازسازی تصویر در روشهای مقطعنگاری امپدانس الکتریکی (eit) و مقطعنگاری نوری، طیف سنجی مادون قرمز نزدیک (nirs)، مطالعه ارتباط بین جمجمه و صورت جهت بازسازی جمجمهای – صورتی و مطالعه رشد و نمو جهت کنترل بیماریها قابل استفاده میباشد. یک مدل ساده از سر شامل پوست، جمجمه و مغز (ماده سفید، ماده خاکستری و مایع مغزی – نخاعی) میباشد. برای ساخت چنین مدلی باید تصویری از سر نوزاد گرفته و بافتهای مختلف از آن استخراج گردد و مدل سهبعدی آنها ساخته شود. امروزه یکی از روشهای مرسوم جهت نمایش آناتومی و پاتالوژی قسمتهای مختلف بدن استفاده از سیستمهای تصویربرداری تشدید مغناطیسی (mri) میباشد. زیرا دارای خواص تابشی غیر یونیزان بوده و در تصاویر بدست آمده از آنها تفاوت بین بافتهای نرم به خوبی قابل تشخیص است. اما از آنجا که بافتهای استخوانی دارای آب آزاد کمی هستند و سیگنال تشدید مغناطیسی ضعیفی در آنها ایجاد میگردد، اطلاعات دقیقی از ساختارهای استخوانی در اختیار نمیگذارد. در نتیجه به منظور مطالعه و بررسی استخوانهای جمجمه سر نوزاد ناچار به استفاده از تصویربرداری مقطعنگاری کامپیوتری (ct) هستیم. در این تصاویر بافتهای جمجمه به خوبی قابل رویت میباشد ولی بافتهای نرم با کنتراست بسیار پایینی نمایش داده میشوند. روش تصویربرداری ct به دلیل تابش اشعه یونیزان به بیمار فقط در موارد ضروری قابل استفاده میباشد. به همین دلیل استخراج جمجمه بطورعمده متکی به تصاویر mr نوزادان بوده که موضوعی چالش برانگیز است. در این رساله یک الگوریتم کاملا خودکار برای ناحیهبندی قسمتهای مختلف جمجمه از تصاویر mr نوزادان با استفاده از اطلاعات گروهی از تصاویر ct به عنوان دانش اولیه، ارائه گردید. بدین منظور در مرتبه اول برای ساخت مدلهای آماری از جمجمه و استخوانها ابتدا تصاویر موجود در پایگاه داده بصورت دقیق همتراز گردید. انطباق تصاویر یکی از مهمترین مراحل کار ما را تشکیل میدهد. برای انجام این کار ابتدا همه تصاویر بصورت دستی با اطلس هندسی mr منطبق می گردد. سپس شدت روشنایی تصاویر از واحد هانسفیلد به واحد جدیدی که این تصاویر را به تصاویر mr نزدیکتر میسازد منتقل میشود. و در ادامه این تصاویر دو مرتبه با کمک نرمافزار spm یکبار با اطلس هندسی mr و در مرتبه دوم با میانگین تصاویر ct همتراز شده با اطلس mr همتراز میگردند. در مرحله بعد، استخوانها از تصاویر همتراز شده استخراج و جمجمه نوزاد با پرکردن ملاجها بصورت دستی بازسازی میگردد. سپس با استفاده از مجموعههای آموزشی استخوانها و جمجمههای بازسازی شده و بکارگیری محاسبات آماری دو مدل آماری شکل برای جمجمه و استخوانها تشکیل میگردد. در مرحله ناحیهبندی در ابتدا مغز و csf از تصویر mr ورودی استخراج شده تا یک تقریب تخمینی از موقعیت قرارگیری جمجمه و پوست در تصویر ورودی حاصل گردد. در ادامه تصویر پیش ناحیهبندی شده با استفاده از مجموعهای از اطلاعات آناتومیکی و اطلسهای احتمالی جمجمه به تصویر جدید که در آن مقادیر وکسلها متناسب با جمجمه بودن آنها تعیین میشود، تبدیل میگردد. و در نهایت با اعمال مدلهای آماری به تصویر جدید جمجمه و استخوانها از تصویر استخراج میگردد. برای یافتن موقعیت ملاجها در جمجمه این دو تصویر ناحیهبندی شده از یکدیگر کسر میگردند. نتایج حاصل از ناحیه¬بندی توسط پزشک متخصص در زمینه تصاویر نوزادان مورد بررسی قرار گرفته شد، ولی به علت عدم وجود استانداردهای طلایی برای مقایسه با نتایج حاصل از ناحیه¬بندی ارائه نتایج کمی در حال حاضر امکان پذیر نمی¬باشد.

منابع مشابه

ناحیه بندی خودکار جمجمه از تصاویر ct نوزادان با استفاده از روش سطوح همتراز بر مبنای مدل اولیه

در این پایان نامه، هدف ارائه روشی جهت ناحیه بندی خودکار بافت جمجمه و فونتانل از تصاویر ct می باشد. جمجمه ی نوزادان از چند قسمت استخوانی تشکیل شده است که این قسمت ها توسط یک غشای فیبری به نام فونتانل بهم متصل شده اند و کنتراست پایین تری نسبت به بافت استخوانی در تصاویر ct دارند. تعیین مکان دقیق فونتال ها در کاربردهایی مانند حل مسأله معکوس مکانیابی منابع سیگنال های الکتریکی مغزی (eeg) و یا بررسی ا...

15 صفحه اول

ناحیه بندی ضایعات ms در تصاویر mr

در بیماری(multiple sclerosis) ms ، سیستم ایمنی بدن به بافت اطراف فیبرهای عصبی (آکسون) حمله می کند و با تخریب قسمت هایی از میلین باعث ایجاد نقاطی به نام پلاک بر روی اعصاب می شود. تشخیص زودهنگام بیماری ms و برآورد حجم ضایعات، گامی مهم در فرآیند درمان این بیماری محسوب می شود. یکی از مهمترین وسیله های تشخیص و پیگیری پیشرفت بیماری msاستفاده از روش تصویربرداری تشدید مغناطیسی (mri) است. اما تشخیص و نا...

ناحیه بندی تومور در تصاویر ماموگرافی با استفاده از کانتور فعال چن-وسه و اطلاعات ویژگی محلی بافت

ناحیه بندی تومورهای سرطانی در تصاویر ماموگرافی مرحله ی مهمی در سامانه های تشخیص کمک کامپیوتری (CAD) بوده و یک مساله ی پر چالش است. در این مقاله از اطلاعات ویژگی محلی (LFI-CV) بافت تصویر در مدل کانتور فعال چن-وسه برای ناحیه بندی تومور استفاده شده است. در این مدل، ابتدا نگاشت ویژگی های بافت از تصویر استخراج می شود. سپس اطلاعات ویژگی محلی بافت تصویر به عنوان مقادیر ضرایب نیروی مدل چن-وسه در نظر گر...

متن کامل

ناحیه بندی تومور در تصاویر mr

ناحیه بندی تصاویر mr مغز نقش پر اهمیتی را در سیستم های تشخیص نابهنجاری ها مانند تومور بازی می کند. در این پایان نامه از مدل آماری میدان تصادفی مارکوف به منظور ناحیه بندی بدون ناظر تصاویر mr استفاده شده است. این مدل یک مدل آماری است که مساله ی ناحیه بندی تصویر را به مساله ی برچسب گذاری تبدیل می کند و هدف آن یافتن یک میدان تصادفی برچسب گذاری شده با انرژی بهینه می باشد. به منظور بهبود کارایی روش و...

15 صفحه اول

ناحیه بندی تصاویر mr مغز با استفاده از fcm بهبود یافته ی مکانی به کمک تابع گوسی: gsfcm (یادداشت فنی)

بخش بندی تصویر را به بخش های مجزا تقسیم میکند که هر کدام از این بخش ها دارای سطوح روشنایییکنواختی هستند. از بین روشهای موجود روش خوشه بندیفازی fcm (fuzzy c-means clustering) دارای کاربرد وسیعی در ناحیهبندی تصاویر پزشکی است. عدم ادغام ویژگیهای مکانی در fcm استاندارد، از معایب این روش در ناحیهبندی تصاویر تشدید مغناطیسی mri مغز انسان است؛ در این مقاله از روشی جدید برای بخشبندی و حذف نویز تصاویر mr...

متن کامل

مثلث بندی با استفاده از تصاویر دوربین های CCD

در ساختمان اکثر دوربین­ های پیشرفته از آرایه­ های خطی CCD استفاده شده است. تصاویر استریو، همزمانی که سکوی دوربین در حرکت است برداشته می­ شوند. مدل ریاضی، برای اندازه­ گیری نقاط فتوگرامتری در تصویربرداری هوایی براساس چند جمله­ ای­ ها می­ باشد، با توجه به اینکه در تصویربرداری فضایی شرط­ های 5 مداری نیز در نظر گرفته خواهد شد. نتایج شبیه ­سازی کامپیوتری برای اندازه­ گیری نقاط در بلوک اجستمنت همزمان...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023