مقاله بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed

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

  مقاله بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed  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 بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed :

تعداد صفحات:۶
چکیده:
پردازش تصاویر از مهمترین دستاوردها و پرکاربردترین فنون مهندسی در تمامی عرصه های علوم از جمله پزشکی بعنوان یکی از مهمترین و پرکاربردترین MRI بوده است و روش تشخیصی غیر تهاجمی بیش از سایر روشها از این رویکرد تاثیر پذیرفته، بطوریکه امروزه تقریبا تشخیص دقیق بسیاری از مشکلات پزشکی از جمله تومورها و ضایعات بافت امری محال و یا بسیار دشوار م یباشد. MRI مغزی، بدونبعبارتی تفکیک اجزاء اصلی مغز یعنی ماد ه سفید ، ماد ه خاکستری و مایع مغزی- نخاعی و افتراق آنها از بافت غیر طبیعی (تومورها) نیاز به دقت بالایی دارد، که با روشهای معمول تصویر برداری به راحتی قابل دستیابی نمیباشند. تکنیکهای عمومی تشخیص لبه (سوبل، پریویت، روبرتز، وکنی) میتوانند، برای تعیین مرز و لبه بکار روند، ولی بدلیل بروز نویز و شیب تند تغییرات روشنایی تصاوی ر پزشکی، امکان قطعه بندی صحیح و دستیابی به لبه صاف و واضح مشکل میباشد و جهت بهبود تصاویرتکنیکهای مختلف فیلترهای محوکننده و یا افزایش تضاد استفاده میگردند. در این مطالعه ما جهت کمینه کردن خطا در روند قطعه بندی تصویر و برای بهبود آشکارسازی لبه تصاویر MRI (تومور مغزی) از ترکیب الگوریتم فازی c-means با الگوریتم watershed استفاده نمودیم متدی که در این تحقیق برای تقسیم بندی تصاویر پزشکی مورد استفاده قرار گرفت، شامل چندین بخش: عملیات پردازش تصویر و آماده سازی تصویر ورودی به صورت سیاه و سفید، دسته بندی فازی (پردازش تصویر ورودی، محاسبه میزان پراکندگی تصویر سیاه و سفید، مشتق گیری از تصویر به منظور تشخیص لبه، اعمال الگوریتم fcm روی داده ها) و الگوریتم watershed یافتن مرز بین نواحی و بر مبنای ناپیوستگی در سطوح Intensity بود و نتایج نشان داد کاربرد این روش ترکیبی توانسته با دقت ۹۷/۳۳ به بهبود تصاویر و تشخیص لبه وکاهش نویز در تصاویرام آر آی تومورهای مغزی کمک نماید.