|
|
دومین کنگره انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک
|
|
|
| عنوان فارسی |
شناسایی دایره در تصاویر پزشکی با روش لبه یابی مبتنی بر همفازی |
|
| چکیده فارسی مقاله |
چکیده در این مقاله روشی برای شناسایی اشیاء دایرهای شکل در تصاویر پزشکی، با تأکید بر استفاده از روش همفازی در تشخیص لبه، ارائه و شبیهسازی شده است. این روش به ترتیب شامل لبهیابی تصویر با روش همفازی، تشخیص مراکز دوایر با یک الگوریتم پیشنهادی، تعیین کانتور اشیاء دایرهای شکل در فضای قطبی و ارائه تصاویر مناسب جهت استخراج ویژگی میباشد. مقدمه: زیربنای پردازش تصاویر در سیستمهای هوشمند پزشکی غالباً با مقایسه تطبیقی براساس الگوهای هندسی خاص نظیر خط، چندضلعیهای منتظم مانند مربع و مستطیل و یا اشکال مدوری مثل دایره و بیضی صورت میگیرد. در این مقاله شناسایی اشکال دایرهای با ایده گرفتن از روشی برای دسته بندی فیتوپلانکتونهای شناور در سطح آب انجام میشود. روش بررسی: تکنیکهای گسترش یافته برای لبهیابی تصویر، یافتن مراکز اشیاء دایرهای شکل و تعیین کانتور این اشیاء، به یک الگوریتم واحد برای شناسایی دایره ترکیب شدهاند. روش لبهیابی استفاده شده مولفه های فرکانسی مختلف را در نظر میگیرد و همفاز بودن مولفهها را اساس تشخیص لبه فرض میکند. الگوریتم ارایه شده برای پیدا کردن مرکز دوایر با در نظر گرفتن جهت لبههای استخراج شده و حدود شعاع دوایر مورد نظر، با عملکرد قوی در برابر نویز مرکز دایره ها را به صورت لکه های سفید مشخص می کند که نقطه وسط هر لکه به عنوان مرکز در نظر گرفته می شود. دایره حول هر مرکز به عنوان یک شیء استنباط شده و برای تحلیل کانتور به مختصات قطبی برده می شود. کانتور دایره سپس با یک الگوریتم تکرار شونده با پنجره گوسی به صورت صاف و یکنواخت تعیین می شود. توجه شود که در این قسمت محدودیت انتخاب عرض پنجره گوسی برای بهینه سازی کانتور در ابتدا و انتهای تصویر ایجاد مشکل می کند. یافته ها: ابتدا توضیح مختصری دربارۀ روش همفازی که برای لبه یابی استفاده شده است داده می شود، پس از آن الگوریتم موردنظر ارایه شده و نتایج شبیه سازی روی یک تصویر سطح خاکستری که با استفاده از نرم افزار MATLAB انجام شده است نشان داده می شود. در نهایت الگوریتم مشابه با روش لبه یابی کنی مقایسه شده و برتری های آن بررسی می گردد. مشاهده می شود که روش مبتنی بر همفازی کاملاً مستقل از میزان تضاد در تصویر بوده و در کیفیت های پایین عملکرد مناسبتری دارد. نتیجه گیری ویژگی های زیادی از این روش می توان از تصویر شیء دایرهای شکل استخراج نمود که در تعیین انواع خاصی از اشکال با استفاده از روش های دسته بندی یا خوشه بندی می توانند مفید باشند. برای کارهای آینده می توان عملکرد آن را در کاربرد پزشکی یا صنعتی خاصی بررسی نمود. علاوه بر این با افزودن روش های پیش پردازش نظیر نویززدایی (DeNoise) و بهبود تصاویر (Enhancement) می توان کارایی آن را درمراحل بعدی به میزان قابل توجهی افزایش داد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
|
|
| چکیده انگلیسی مقاله |
|
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
شیرین عصبی خلجایی | عصبی خلجایی
|
|
| نشانی اینترنتی |
http://mieh-2018.modares.ac.ir/browse.php?a_code=A-10-357-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
