مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویرCT به منظور تشخیص کامپیوتری انواع نادول‌های ریوی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویرCT به منظور تشخیص کامپیوتری انواع نادول‌های ریوی دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویرCT به منظور تشخیص کامپیوتری انواع نادول‌های ریوی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویرCT به منظور تشخیص کامپیوتری انواع نادول‌های ریوی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویرCT به منظور تشخیص کامپیوتری انواع نادول‌های ریوی :

تعداد صفحات:۷

چکیده:

مرحله پیش پردازش در اکثر سیستم های CAD (تشخیص به کمک کامپیوت ر ) برای تشخیص اغلب بیماری های ریه به ویژه نادول های کوچک ریوی ، تقسیم بندی مناطق ریه می باشد. در این مقاله تکنیکی برای تقسیم بندی ریه در تصاویرCT براساس تبدیلWatershed ارائه شده است که سریع و دقیق است . ابتدا ناحیه ریه ها به کمک آستانه گذاری اولیه به صورت تقریبی تعیین می شود. با این کار هموارسازی مناطق داخلی ریه بدون ا ز دست دادن جزییات مرز ریه ها ممکن می شود .سپس تصویر توسط مارکرهای داخلی و خارجی ، نشان گذاری می شود. این مارکرها با تصویر گرادیان تصویر اصلی ترکیب شده و سپس برای مشخص کردن مرزهای ریه از آن تبدیلWatershedگرفته می شود. در این تکنیک لایه های بالایی و پایینی CTکه احتمالاً شامل ناحیه های کوچک متعلق به ریه هستند، به صورت خودکار شناسایی و با آنها به گونه متفاوتی رفتار می شود تا بدون توجه به لایهCT بتواند ناحیه مطلوب را شناسایی کند . در این روش مسایل مربوط به یافتن یک آستانه بهینه و جدا کردن ریه های راست و چپ ، که دو عمل مهم در اکثر روش های تقسیم بندی ریه می باشد و نیاز به زمان زیادی هم دارد، حذف شده است. الگوریتم بر روی تصاویرCT از پایگاه دادهLIDC اعمال شده است و نتایج حاصل از آن نشان دهنده سرعت، دقت و حساسیت این روش است.