دانلود رایگان ترجمه مقاله الگوریتم های تقسیم بندی تصویر بر روی تصاویر سونوگرافی (آی تریپل ای ۲۰۱۳)

دانلود رایگان ترجمه مقاله الگوریتم های تقسیم بندی تصویر بر روی تصاویر سونوگرافی (آی تریپل ای ۲۰۱۳)

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در ۶ صفحه در سال ۲۰۱۳ منتشر شده و ترجمه آن ۱۷ صفحه بوده و آماده دانلود رایگان می باشد.

 

دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)
عنوان فارسی مقاله:

بررسی الگوریتم های تقسیم بندی تصویر بر روی تصاویر پزشکی سونوگرافی

عنوان انگلیسی مقاله:

SURVEY OF IMAGE SEGMENTATION ALGORITHMS ON ULTRASOUND MEDICAL IMAGES

دانلود رایگان مقاله انگلیسی: مقاله انگلیسی
دانلود رایگان ترجمه با فرمت pdf: ترجمه pdf
دانلود رایگان ترجمه با فرمت ورد: ترجمه ورد

 

مشخصات مقاله انگلیسی و ترجمه فارسی
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۱۳
تعداد صفحات مقاله انگلیسی ۶ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research article)
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله
مهندسی پزشکی – مهندسی کامپیوتر – پزشکی
گرایش های مرتبط با این مقاله
پردازش تصاویر پزشکی – مهندسی الگوریتم ها و محاسبات – هوش مصنوعی – انفورماتیک پزشکی – پرتوشناسی و راديولوژی
چاپ شده در مجله (ژورنال) کنفرانس بین المللی شناخت الگو، انفورماتیک و مهندسی پزشکی
کلمات کلیدی پردازش تصویر سونوگرافی – تقسیم بندی – فراسونوگرافی – شباهت – تصاویر حالت B – آستانه گذاری – فرکانس رادیویی
کلمات کلیدی انگلیسی Ultrasound image processing – Segmentation – UltraSonography – Similarity – B-mode images – Thresholding – Radiofrequency
ارائه شده از دانشگاه گروه فناوری اطلاعات، دانشگاه بهاراتیار
شناسه دیجیتال – doi https://doi.org/10.1109/ICPRIME.2013.6496475
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
نشریه آی تریپل ای – IEEE
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۷ صفحه با فونت ۱۴ B Nazanin
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود رایگان
کیفیت ترجمه

مبتدی (مناسب برای درک مفهوم کلی مطلب)

کد محصول F1897

 

بخشی از ترجمه

۳٫ خواص تصویربرداری فراصوت
روشهای تصویر برداری فراصوتی خواص زیر را فراهم می کند:
● اسکن تصویر سونوگرافی، بیشتر تهاجمی است و معمولا بدون درد است.
● سونوگرافی در مقایسه با سایر روشهای تصویربرداری دارای ویژگی های استفاده گسترده در دسترس، سهولت استفاده و ارزان بودن است.
● سیستم اسکن فراصوتی، وضوح و تصویر واضحی از بافت نرم را ارائه می دهد.
● سونوگرافی هیچ عوارض جانبی ندارد.
● روش تصویربرداری فراصوتی به وضوح برای نظارت بر بیماران استفاده می شود.
● باید تنها زمانی انجام شود که از نظر بالینی مورد نیاز است

۴٫ مزایای پردازش تصویر فراصوتی
پردازش تصویر فراصوتی [۶] برای استفاده بسیار امن است و به نظر نمی رسد موجب عوارض ناخواسته شود. این ارزان است و انجام پردازش بر روی تصاویر سریع صورت می گیرد. اسکنر فراصوتی باید برای بیماران به منظور اجتناب از خطر در حین حرکت بیمار تحت مراقبت های ویژه استفاده شود. قابلیت های Doppler در اسکنر مدرن، ارزیابی جریان خون در شریان ها و وریدها را میسر می سازد.

۵٫ روش های تصویربرداری فراصوتی
سونوگرافی شامل دو نوع روش تصویربرداری می شود:
● تصویر سونوگرافی داخل عروقی
● تصویر سونوگرافی Doppler
سونوگرافی داخل عروقی IVUS) [8] [7]) مبتنی بر روش تصویربرداری پزشکی کاتتر است که به خصوص برای مطالعه بیماری آترواسکلروتیک مفید است. IVUS [9] تصاویر مقطعی از رگ های خونی را تولید می کند که ارزیابی کمی و کیفی از دیوار عروقی و اطلاعات در مورد ماهیت ضایعات بیماری آترواسکلروتیک و همچنین فرمت پلاکی که با شکل و اندازه نامگذاری می شود را فراهم می کند . نتایج دقیق بر اساس داده های شبیه سازی شده با فواصل نقطه به نقطه متوسط به دست آمده بین مرزهای دیواره عروق مشخص شده به دست می آیند.
سونوگرافی Doppler یک تکنیک فراصوتی مخصوص است. این بخش هایی از تصویر سونوگرافی داخل عروقی است. به ارزیابی جریان خون از طریق رگ های خونی می پردازد. شامل شریانها و وریدهای بزرگ بدن در بازوها، شکم، پاها و گردن می شود.
سونوگرافی Doppler به سه بخش تقسیم می شود:
● Doppler رنگی استفاده شده در کامپیوتر برای تبدیل اندازه گیری های Doppler به آرایه ای از رنگ ها برای تجسم سرعت و جهت جریان خون از طریق عروق خونی.
● Doppler توان یک تکنیک جدیدتر است که حساس تر از Doppler رنگی و قادر به فراهم آوردن جزئیات بیشتر از جریان خون است، هنگامی که جریان خون کم و یا حداقل است.
● Doppler طیفی مورد استفاده برای نمایش اندازه گیری جریان خون گرافیکی، از نظر مسافت طی شده در واحد زمان.

۶٫ الگوریتم های تقسیم بندی تصویر فراصوتی (سونوگرافی)
تقسیم بندی، یک فرایند است که توسط آن تصویر دیجیتال را می توان به بخش های متعدد بخش بندی نمود. تقسیم بندی تصویر در شکل ۴، ۵، ۶، ۷ و ۸ نشان داده شده است. این عمدتا برای قرار دادن اشیاء و مرزها مورد استفاده قرار می گیرد (لبه، خطوط، منحنی ها و غیره).
الگوریتم های تقسیم بندی بر اساس خواص رنگ، مقادیر خاکستری یا بافت هستند: ناپیوستگی و شباهت:
● اول: برای پارتیشن بندی یک تصویر بر اساس تغییرات در شدت، مانند لبه، خطوط، منحنی ها در یک تصویر استفاده می شود.
● دوم: بر اساس پارتیشن بندی یک تصویر به مناطقی است که با توجه به معیارهای از پیش تعریف شده مشابه هستند. آستانه گذاری برای روش هیستوگرام تحت این دسته قرار می گیرد.
برخی از کاربردهای عملی تقسیم بندی تصویر، تصویربرداری پزشکی، تشخیص چهره، تشخیص اثر انگشت، سیستم های کنترل ترافیک، شناخت Iris، تشخیص نور ترمز، بینایی ماشین، جانمایی اشیاء در تصاویر ماهواره ای، تصویربرداری کشاورزی می باشند. چندین تکنیک با اهداف کلی و الگوریتم ها برای تقسیم بندی تصویر توسعه یافته اند.
این تکنیک ها با حوزه دانش به منظور حل موثر یک مشکل تقسیم بندی تصویر ترکیب می شوند.

A. آستانه گذاری
ساده ترین و محبوب ترین روش تقسیم بندی تصویر، روش آستانه گذاری نامیده می شود. این روش برای تبدیل یک تصویر در مقیاس سیاه سفید به یک تصویر باینری استفاده می شود. در این روش، مقادیر از پیش تعریف شده (آستانه) انتخاب می شوند، و یک تصویر به گروه های پیکسل های دارای مقادیری در محدوده مقادیری فراتر از چنین محدوده تعریف شده توسط آستانه و گروه پیکسل تقسیم می شود.
چندین الگوریتم آستانه وجود دارند.
● کلی
● موضعی
● پویا
● تطبیقی
آستانه گذاری کلی، یکی از روش های بصری است. هنگامی که تنها یک مقدار آستانه برای کل تصویر انتخاب می شود، بر اساس هیستوگرام تصویر، آستانه گذاری، کلی نامیده می شود. اگر آستانه بستگی به خواص تصویر موضعی داشته باشد، به عنوان مثال، مقدار خاکستری متوسط موضعی، آستانه گذاری، موضعی نامیده می شود. اگر آستانه ها به طور مستقل برای هر پیکسل یا گروه پیکسل انتخاب شوند، سپس آستانه گذاری پویا یا انطباقی نامیده می شود [۳].
کلید این روش، انتخاب مقادیر در سطوح مختلف است. عملیات های آستانه گذاری موضعی به شرح زیر است:
i. تقسیم بندی تصویر ورودی به زیرتصویر و محاسبه آستانه برای هر زیر تصویر.
ii. بررسی شدت های تصویر در همسایگی هر پیکسل.
عملیات های آستانه گذاری، بهترین راه حل مناسب برای (پیکسل های ۳۵۰ X 184 ، اندازه فایل: ۵ KB، نوع MIME: تصویر/png) است. آستانه گذاری موضعی از نظر محاسباتی گران تر از آستانه گذاری کلی است. این برای بخش بندی ساختارهای از یک پس زمینه مختلف، و برای استخراج از مناطقی که بسیار کوچک و پراکنده می باشند، بسیار مفید است.

B. روش های خوشه بندی
خوشه بندی، یک فرآیند گروه بندی ساختار های تصویر مشابه به یک خوشه تک است، در حالی که ساختارها با ویژگی های متفاوت به دسته های مختلف بر اساس برخی از شباهت ها در معیارها گروه بندی می شوند. شباهت از نظر اندازه گیری فاصله مناسب اندازه گیری می شود. خوشه بندی، فرآیند گروه بندی ساختار پهای تصویر مشابه در یک خوشه بندی تک است.
تکنیک خوشه بندی را می توان به دو مورد زیر تقسیم نمود
a. تکنیک نظارت شده
b. تکنیک بدون نظارت
a. تکنیک نظارت شده
تکنیک خوشه بندی نظارت شده باید برای تصاویر از پیش تعریف شده مورد استفاده قرار گیرد. تصاویر از پیش تعریف شده به عنوان نمونه اولیه استفاده شده برای تصاویر نامیده خواهند شد. این نوع از تصویر نمونه اولیه برای تصویر بخش بندی شده همپوشانی می شود. تکنیک های خوشه بندی نظارت شده عبارتند از:
● KNN (K نزدیکترین همسایگی).
● ML (حداکثر احتمال).
● شبکه عصبی مصنوعی نظارت شده.
● ماشین آلات برداری پشتیبانی شده.
● مدل های شکل فعال.
● مدل های رویکرد فعال.

 

برچسب ها

ثبت دیدگاه