تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تشخیص تومور مغز در MRI با الگوهای دوتایی موضعی و هیستوگرام گرادیان چرخشی – نشریه الزویر

عنوان فارسی: تشخیص تومور مغز در تصاویر سه عدی MRI با استفاده از الگوهای دوتایی موضعی و هیستوگرام گرادیان چرخشی
عنوان انگلیسی: Detection of Brain Tumor in 3D MRI Images using Local Binary Patterns and Histogram Orientation Gradient
تعداد صفحات مقاله انگلیسی : 23 تعداد صفحات ترجمه فارسی : 21
سال انتشار : 2016 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7705 رفرنس : دارد
محتوای فایل : zip حجم فایل : 3.23Mb
رشته های مرتبط با این مقاله: پزشکی
گرایش های مرتبط با این مقاله: آسیب شناسی، مغز و اعصاب و مهندسی بافت
مجله: محاسبات عصبی - Neurocomputing
دانشگاه: دانشکده برق و کامپیوتر دانشگاه شیراز، ایران
کلمات کلیدی: پردازش تصویر پزشکی، تشخیص تومور، الگوهای دوتایی موضعی، هیستوگرام گرادیان چرخشی، تصاویر MRI
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر : ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1- مقدمه

2- مواد و روش ها

2-1- پیش پردازش

2-2- خوشه بندی

2-3- استخراج ویژگی

2-4- طبقه بندی

3- نتایج

4- بحث

5- نتیجه گیری

نمونه متن انگلیسی

Abstract

Brain tumor pathology is one of the most common mortality issues considered as an essential priority for health care societies. Accurate diagnosis of the type of disorder is crucial to make a plan for remedy that can minimize the deadly results. The main purpose of segmentation and detection is to make distinction between different regions of the brain. Besides accuracy, these techniques should be implemented quickly. In this paper an automatic method for brain tumor detection in 3D images has been proposed. In the first step, the bias field correction and histogram matching are used for preprocessing of the images. In the next step, the region of interest is identified and separated from the background of the Flair image. Local binary pattern in three orthogonal planes (LBP-TOP) and histogram of orientation gradients (HOG-TOP) are used as the learning features. Since 3D images are used in this research we use the idea of in local binary pattern in three orthogonal planes in order to extend histogram orientation gradients for 3D images. The random forest is then used to segment tumorous regions. We evaluate the performance of our algorithm on glioma images from BRATS 2013. Our experimental results and analyses indicate that our proposed framework is superior in detecting brain tumors in comparison with other techniques.

نمونه متن ترجمه

چکیده

آسیب شناسی تومور مغز یکی از رایج ترین موضوعات مرگ ومیر است که به عنوان یک اولویت ضروری برای جوامع مراقبت های بهداشتی در نظر گرفته می شود. تشخیص دقیق نوع اختلال در طرح ریزی درمان یک مسأله حیاتی است که می تواند نتایج مرگ بار را به حداقل برساند. متمایز ساختن مناطق مختلف مغز از یکدیگر، هدف عمده در قطعه بندی و تشخیص است. این روش ها در کنار دقیق بودن، باید به سرعت اجرا شوند.

در این مقاله یک روش خودکار برای تشخیص تومور مغز در تصاویر سه بعدی پیشنهاد شده است. در اولین گام، تصحیح میدان تأثیر و برازش هیستوگرام در پردازش تصاویر به کار گرفته شد. در مرحله بعد، محل مورد نظر شناسایی و از زمینه تصویر فلیر (Flair) تفکیک شد. الگوی دوتایی موضعی در سه صفحه متعامد (LBP-TOP) و هیستوگرام گرادیان چرخشی (HOG-TOP) به عنوان ویژگی های فراگیری مورد استفاده قرار گرفتند. از آنجایی که در این تحقیق از تصاویر سه بعدی استفاده می شود، ما برای تعمیم هیستوگرام گرادیان چرخشی به تصاویر سه بعدی، از تفکر الگوی دوتایی موضعی در سه صفحه متعامد استفاده کردیم. سپس جهت قطعه بندی مناطق توموری، جنگل تصادفی را به کار می بریم. ما راندمان الگوریتم خود در تصاویر گلیوم تهیه شده از BRATS 2013 را ارزیابی می کنیم. نتایج و تحلیل های آزمایشگاهی ما نشان می دهد که چارچوب پیشنهادی ما در تشخیص تومورهای مغزی بر روش های دیگر برتری دارد.