مقاله انگلیسی رایگان در مورد یک روش تنوع جدید برای تقسیم بندی انتخابی تصاویر پزشکی – الزویر ۲۰۲۲

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله یک روش تنوع جدید برای تقسیم بندی انتخابی تصاویر پزشکی
عنوان انگلیسی مقاله A new variational method for selective segmentation of medical images
انتشار مقاله سال ۲۰۲۲
تعداد صفحات مقاله انگلیسی ۱۲ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۴٫۶۶۲ در سال ۲۰۲۰
شاخص H_index ۱۳۶ در سال ۲۰۲۰
شاخص SJR ۰٫۹۰۷ در سال ۲۰۲۰
شناسه ISSN ۰۱۶۵-۱۶۸۴
شاخص Quartile (چارک) Q1 در سال ۲۰۲۰
فرضیه ندارد
مدل مفهومی دارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی پزشکی
گرایش های مرتبط پردازش تصاویر پزشکی
نوع ارائه مقاله
ژورنال
مجله  پردازش سیگنال – Signal Processing
دانشگاه دانشکده ریاضیات و آمار ، دانشگاه Xidian ، چین
کلمات کلیدی تقسیم بندی انتخابی، تجزیه و تحلیل تصویر پزشکی، کانتور فعال، سطح تنظیم شده
کلمات کلیدی انگلیسی Selective segmentation – Medical image analysis – Active contour – Level set
شناسه دیجیتال – doi
https://doi.org/10.1016/j.sigpro.2021.108292
کد محصول E15676
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
Keywords
Introduction
Related works
The proposed method
Experimental results
Conclusion
CRediT authorship contribution statement
Declaration of Competing Interest
Acknowledgments
Appendix A
Appendix B
References

بخشی از متن مقاله:
abstract
Selective segmentation aims to separate a subset of target objects or regions of interests in an image. It is widely used in medical image analysis for some specific tasks such as extracting anatomic organs or lesions. However, selective segmentation of medical images is usually challenged by their limited imaging quality. In this paper, we propose a two-phase selective segmentation method. The first phase is a preprocessing step, which aims to reduce influence of noise or cluttered background on segmentation. The second phase performs selective segmentation on the preprocessed image. For the first phase, we propose a new image smoothing model which can effectively reduce noise or intensity inhomogeneity inside objects while retain edges of the original image. Moreover, the proposed model has attractive mathematical and physical properties, in that it has one single optimal solution. For the second phase, we propose a modified Gout’s active contour method, which can obtain targeted objects more efficiently and accurately. Our main contribution is the new image smoothing model, which can effectively attenuate complicated background but preserve edges of targeted object. Extensive experiments on real medical images show that, our smoothing model can greatly facilitate the second phase, and our method can significantly improve some existing related methods in terms of either visual assessment or quantitative evaluation

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *