| 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 2022 |
| تعداد صفحات مقاله انگلیسی | 12 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 | |
| ایمپکت فاکتور(IF) |
4.662 در سال 2020 |
| شاخص H_index | 136 در سال 2020 |
| شاخص SJR | 0.907 در سال 2020 |
| شناسه ISSN | 0165-1684 |
| شاخص Quartile (چارک) | Q1 در سال 2020 |
| 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 |