گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” متد های قطعه بندی تصاویر MRI مغز ” 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.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
بررسی روش های قطعه بندی تصاویر ام آر آی مغز |
عنوان انگلیسی مقاله: |
Review of brain MRI image segmentation methods |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار مقاله | 2010 |
تعداد صفحات مقاله انگلیسی | 14 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | پزشکی و مهندسی پزشکی |
گرایش های مرتبط با این مقاله | مغز و اعصاب، تکنولوژی پرتوشناسی و مهندسی پزشکی بالینی |
مجله مربوطه | بررسی هوش مصنوعی – Artificial Intelligence Review |
دانشگاه تهیه کننده | گروه سیستم های کامپیوتری و ارتباطات، دانشکده مهندسی، دانشگاه پوترا، مالزی |
کلمات کلیدی این مقاله | ام. آر. آی (MRI)، مغز، قطعهبندی |
رفرنس | دارد |
شناسه شاپا یا ISSN | ISSN 1573-7462 |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت Springer |
نشریه اسپرینگر |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 18 صفحه |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1.مقدمه
1.1 روشهای تصویربرداری
1.2. تصویربرداری MR (ام آر آی)
2. بررسی متون
2.1.روشهای نویززدایی موجود
2.1.1 انتشار غیرخطی ناهمسانگرد
2.1.2 روش میدان تصادفی مارکوف (MRF)
2.1.3 روشهای مبتنی بر موجک
2.1.4 روش اصلاح تحلیلی
2.1.5 روش غیرمحلی (NL)
2.2 اصلاح ناهمگونی
2.2.1 روشهای آیندهنگر
2.2.2 روشهای گذشتهنگر
2.3 روشهای قطعهبندی تصویر
2.3.1 FCM (C میانگین فازی)
2.3.2 بردار مخلوط گاوس
2.3.3 LVQ
2.3.4 SOM
2.3.5 آبریز
2.3.6 رشد ناحیه
2.3.7 مدل کنترل فعال
2.3.8 کنترل فعال دو ناحیهای
2.3.9 کنترل فعال چند ناحیهای
2.3.10 قطعهبندی مبتنی بر اطلس
2.3.11 مدل میدان تصادفی مارکوف
2.3.12 قطعهبندی مغز دچار انحرافات تشریحی (کالبد شناختی)
3.نتیجهگیری
- بخشی از ترجمه:
3.نتیجهگیری
به طور کلی، قطعهبندی تصویر در چند دهه اخیر حوزه پژوهشی فعالی بوده است و همچنین، یکی از پرچالشترین و فعالترین حوزههای پژوهشی در زمینه پرازش تصویر میباشد. قطعهبندی تصویر، مرحله مقدماتی تقریباً تمام ابزارهای تحلیل تصویر محسوب میشود. روشهای بسیار پیشرفته متعدد و معلومات قبلی خوبی برای قطعه بندی تصاویر ام آر آی مغز وجود دارد. اما همچنان قطعهبندی تصاویر ام آر آی مغز کار دشواری است و برای انجام تحقیقات آینده لازم است صحت، دقت و سرعت روشهای قطعه بندی افزایش پیدا کند. استفاده از روشهای مبتنی بر اطلس، روش های مختلف موازیسازی و ترکیب میتواند راهی به سوی ارتقا روشهای قطعهبندی مغز باز کند. علاوه بر این، با افزایش اطلاعات راجع به رابطه بین اختلالات متفاوت دارای انحراف تشریحی یا کالبدشناختی از قطعهبندی مغز به عنوان مرحله اول در ابزارهای آشکارسازی و تجزیه و تحلیل آنها استفاده میشود. برای مثال، آلزایمر و اسکلروز چندگانه یا ام اس اختلالاتی هستند که میتوان آنها را براساس انحراف موجود در ساختارهای مغز مورد بررسی قرار داد.
- بخشی از مقاله انگلیسی:
3 Conclusion
Generally, image segmentation has been an active research field for the last several decades. Moreover, it is a most challenging and most active research field in the image processing. Image segmentation is the preliminary stage of almost all image analysing tools. There exist a variety of state-of art methods and good prior knowledge for brain MRI segmentation. But still, brain MRI segmentation is a challenging task and there is a need for future research to improve the accuracy, precision and speed of segmentation methods. Using improved atlasbased methods, parallelization and combining different methods can be the way for making improvement in brain segmentation methods. With increasing knowledge about the relationship between different disorders with anatomical deviation, brain segmentation is used as first stage in tools for detection and analyzing them. For example Alzheimer and Multiple sclerosis (MS) are disorders which can be studied based on deviation in structures of the brain.
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
متد های قطعه بندی تصاویر MRI مغز |
عنوان انگلیسی مقاله: |
Review of brain MRI image segmentation methods |
|