(146 امتیاز از 32 رای)
Loading...
پروژه تقطیع تصویر MR با شبکه عصبی SOM و خوشه بندی آنتروپی گرادیان توسط MATLAB
هدف اصلی از تقطیع تصاویر MR مغزی، قطعه بندی تصاویر به نواحی متفاوت برای نشان داده ساختار آناتومیک است. قطعه بندی تصاویر MRI بسیار مورد توجه پزشگان در سراس دنیا قرار گرفته است. داشتن رزولوشن مکانی عالی و کنتراست بافت عالی، نمایش دقیق تر و ریز به ریز ذرات سیاه، ذرات خاکستری، و مایع مغزی نخاعی، راهی را جهت تشخیص اختلالات مغزی ماننده زوال عقلی، اسکیزوفرنی، شیزوفرنی، آلزایمر و … را ایجاد می کند. تقطیع تصاویر مغزی به نمایش بهتر سه بخش ذرات سفید (White Matter – WM)، ذرات خاکستری (Grey Matter – GM) و مایع مغزی نخاعی (Cerebrospinal Fluid – CSF) می پردازد که ممکن است بیماری های بسیاری را به تصویر بکشد.
این پیاده سازی به روشی غیر نظارتی جهت تقطیع تصاویر MRI بر پایه شبکه عصبی Self Organizing Maps – SOM یا خود سازمانده و الگوریتم ژنتیک (Genetic Algorithm – GA) می پردازد. روش پیشنهادی در این پروژه، پنج مرحله، شامل تصویر ورودی، استخراج ویژگی، انتخاب ویژگی به وسیله روش های محاسبات تکاملی، طبقه بندی وکسل ها توسط شبکه عصبی خود سازمانده یا SOM و خوشه بندی نگاشت های تیز در تصویر است. علاوه بر موارد ذکر شده، مکانیزم خوشه بندی SOM پیشنهادی برای نشان دادن تعیین حاشیه خوشه ها با در نظر گرفتن فضای خروجی و ارتباط آن با فضای ورودی می باشد.
روش های بسیاری جهت تقطیع تصویر MRI به روش های گوناگون تا به حال ارائه شده است که از معروف ترین آنها SVM یا ماشین بردار پشتیبان، روش EM، روش نگاشت تطبیقی (AMAP)، استفاده از پردازش هیستوگرام، استفاده از نگاشت بایاس (BMAP)، روش Cmeans، روش Kmeans، روش Fuzzy Cmeans یا FCM و … می باشد.
توضیحات بیشتر در گزارش کار پروژه آمده است. با مراجعه به ادامه مطلب، می توانید تصاویر خروجی پروژه را مشاهده نمائید.
سلام توضیحات برنامه و توضیحات کد به همراه پروژه می باشد؟
شامل کد متلب، فیلم نحوه اجرا و فایل پاورپوینت است که یک مقاله مرجع نیز در کنار پروژه ارائه می گردد.