دانلود مقاله ترجمه شده برآورد میدان بایاس با الگوریتم خوشه بندی میانگین – C- مجله IEEE

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” برآورد میدان بایاس با الگوریتم خوشه بندی میانگین – C ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۰۲
تعداد صفحات مقاله انگلیسی	۷ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی پزشکی
گرایش های مرتبط با این مقاله	بیوالکتریک و پردازش تصاویر پزشکی
مجله	تراکنش ها در تصویربرداری پزشکی – TRANSACTIONS ON MEDICAL IMAGING
دانشگاه	گروه سیستم های مهندسی پزشکی، دانشگاه قاهره، گیزا، مصر
کلمات کلیدی	منطق فازی، میدان بایاس، قطعه سازی تصویر، تصویر سازی MR
شناسه شاپا یا ISSN	ISSN ۰۲۷۸-۰۰۶۲
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده
I . مقدمه
II . پیش زمینه
III . تابع هدف میانگین –C اصلاح شده بایاس (BCFCM )
IV : تخمین پارامتر
A . ارزیابی عضویت
B : به روز رسانی نمونه اولیه خوشه
C : تخمین میدان بایاس
D : الگوریتم BCFCM
V . نتایج و بحث و تبادل نظر ها
VI . نتیجه گیری

• بخشی از ترجمه:

VI . نتیجه گیری
ما الگوریتم جدید BCFCM برای قطعه بندی تطبیقی و اصلاح شدت تصاویر MR را اثبات کرده ایم . الگوریتم از طریق اصلاح تابع هدف الگوریتم استاندارد FCM تدوین شده بود تا غیر یکنواختی های شدت جبران گردد و برچسب زنی پیکسل مجاز گردد که قرار است تحت تاثیر برچسب ها در همسایگی بواسطه اش قرار گیرد . همسایگی همانند مرتب سازی عمل می کند و راه حل را به سمت برچسب زنی یکنواخت تکه ای منحرف می کند : چنین مرتب سازی در قطعه بندی اسکن هایی سودمند است که در اثر نویز فلفل نمکی تخریب شده اند .
نتایج با استفاده از داده های MRI شبیه سازی شده و تصاویر مغزی واقعی بازنگری شده توسط کارشناسان نشان می دهند که تغییر پذیری های شدت در میان بیماران ، اسکن ها و تغییرات تجهیزات در میدان بایاس براورد شده بدون نیاز به مداخله دستی تطبیق یافته اند .

• بخشی از مقاله انگلیسی:

VI. CONCLUSION

We have demonstrated a new BCFCM algorithm for adaptive segmentation and intensity correction of MR images. The algorithm was formulated by modifying the objective function of the standard FCM algorithm to compensate for intensity inhomogeneities and to allow the labeling of a pixel (voxel) to be influenced by the labels in its immediate neighborhood. The neighborhood acts as a regularizer and biases the solution toward piecewise-homogeneous labeling; such a regularization is useful in segmenting scans corrupted by salt and pepper noise.

Using simulated MRI data and real brain images reviewed by experts, results show that intensity variations across patients, scans, and equipment changes have been accommodated in the estimated bias field without the need for manual intervention.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله