| مشخصات مقاله | |
| عنوان مقاله | Evaluation of k-Means and fuzzy C-means segmentation on MR images of brain |
| ترجمه عنوان مقاله | ارزیابی k-Means و بخش بندی تصاویر MR از مغز و فازی C-Means |
| فرمت مقاله | |
| نوع مقاله | ISI |
| سال انتشار | مقاله سال 2015 |
| تعداد صفحات مقاله | 5 صفحه |
| رشته های مرتبط | مهندسی پزشکی، مهندسی کامپیوتر، برق و پزشکی |
| گرایش های مرتبط | هوش مصنوعی، مهندسی الکترونیک، مهندسی کنترل، مغز و اعصاب، پردازش تصاویر پزشکی، فیزیک پزشکی، رادیولوژی، پزشکی هسته ای |
| مجله | مجله پزشکی هسته ای و رادیولوژی مصری – The Egyptian Journal of Radiology and Nuclear Medicine |
| دانشگاه | دانشکده الکترونیک، دانشکده مهندسی و فناوری سنت جوزف، هند |
| کلمات کلیدی | گلیوبلاستوما چند حالته، تمرکز نابجا، ورم ازوژنیک، فیلتر دو طرفه، کنتراست انطباقی محدود، تساوی هیستوگرام |
| کد محصول | 30 |
| نشریه | نشریه الزویر |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| خرید ترجمه این مقاله | خرید ترجمه این مقاله |
| بخشی از متن مقاله: |
| چکیده
این مقاله کیفیت فازی C-Means و بخش بندی K-Means مقایسه می کند ، و تصاویرMR پیچیده از تومور مغزراباهیستوگرام اولیه مشخص میکند.دقت دربخش بندی به طورجداگانه بستگی به توانایی دکتربرای تشخیص طبقات مختلف بافت دارد . از این رو ، یک پیش نیاز جدی برای ارزیابی توانایی قبل ازبخش بندی تصاویرپزشکی وجود دارد . این مقاله توانایی FCM و Means-K بخش بندی خاکستری ماده(GM) ،ماده سفید (WM)،مایع مغزی-نخاعی (CSF) ، نکروزی گلیوبلاستمامولتی (GBM) ،ورم ازوژنیک،کنتراست1Tکه محورهم سطح تصاویر ورم MR تومور است را ارزیابی می کند . آزمایش نشان می دهدکه FCM ازوژنیک وماده سفیدبه عنوان یک بافت و ماده به طور مشابه به رنگ خاکستری و نکروتیک شناسایی می شوند K-Means قادربه تشخیص مناطق است که نسبت به FCM بهتر تشخیص می دهد . FCM تنها 3 بافت را شناسایی می کند در حالی که ، K-Means تمام 6 بافت را شناسایی می کند . ارزیابی تجربی Means-K و FCM ، با هیستوگرام در نرم افزار متلب انجام می شود . |