تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تکنیک کامل خودکار برای تقسیم بندی تومور کبد از سی تی اسکن ها – نشریه IEEE

عنوان فارسی: یک تکنیک کامل خودکار جدید برای تقسیم بندی تومور کبد از سی تی اسکن ها با محدودیت هایی بر اساس شناخت
عنوان انگلیسی: A Novel Fully Automatic Technique for Liver Tumor Segmentation from CT Scans with knowledge-based constraints
تعداد صفحات مقاله انگلیسی : 6 تعداد صفحات ترجمه فارسی : 10
سال انتشار : 2010 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 5657 رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.27Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر، مهندسی پزشکی، مهندسی مکانیک و پزشکی
گرایش های مرتبط با این مقاله: هوش مصنوعی، مهندسی الگوریتم ها و محاسبات، کبد و گوارش، مهندسی پزشکی گرایش بیومکانیک، مکاترونیک و طراحی کاربردی
مجله: دهمین کنفرانس بین المللی سیستم های هوشمند طراحی و برنامه های کاربردی
دانشگاه: دانشکده کامپیوتر و اطلاعات، دانشگاه Menoufia، مصر
کلمات کلیدی: تشخیص تومور در مقابل افزایش، صاف کردن گاوسی، آستانه ISODATA
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول: 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.کارهای قبلی

3. مواد و روش

A.تقسیم بندی کبد

B.تشخیص تومور

Cوطبقه بندی تومور

D.اصلاح برش های 3 بعدی

4. نتایج

5. بحث و نتیجه گیری

نمونه متن انگلیسی

Abstract

The liver is a common site for the occurrence of tumors. Automatic hepatic lesion segmentation is a crucial step for diagnosis and surgery planning. This paper presents a new fully automatic technique to segment the tumors in liver structure with no interaction from user. Contrast enhancement is applied to the slices of segmented liver, then adding each image to itself to have a white image with some pepper noise and tumors as dark gray spots. After applying Gaussian smoothing, Isodata is used to threshold the tumor in the slice. In order to eliminate erroneous segmentation a discriminative rule based on diagnostic knowledge on liver cancer shape is applied. Finally, a 3-D consistency check is performed based on three-dimensional information that a lesion mass cannot appear in a single slice independently. Tests are performed on abdominal datasets showing promising result. Using MICCAI 2008 segmentation evaluation metrics, the novel proposed technique achieved 80.19 as a total score.

نمونه متن ترجمه

چکیده

کبد محل شایع برای بروز تومور است. تقسیم بندی خودکار ضایعه ی کبدی یک مرحله ی مهم برای تشخیص و برنامه ریزی جراحی می باشد.این مقاله یک روش تقسیم بندی جدید نومورها را در ساختار کبد با هیچ تعاملی از کاربر ارائه می دهد. کانتراست اقزایش یافته برای تکه هایی از کبد بکار برده می شود سپس هر تصویر به خود آن برای داشتن یک تصویر سفید با مقداری نویز و تومور بصورت لکه های خاکستری تیره اضافه می شود. بعد از استفاده از صاف سازی گوسین، داده ی ایزو برای آستانه سازی تومور در تکه استفاده می شود. به منظور حذف تقسیم بندی های نادرست بزرگ، یک قانون افتراقی بر اساس دانش تشخیصی در شکل سرطان کبد بکار برده می-شود. در نهایت یک بررسی 3 بعدی سازگاربر اساس اطلاعات 3 بعدی انجام می شود که یک توده ی ضایعه نمی-تواند در یک تکه ی تک بصورت مستقل ظاهر کند. تست ها بر روی نتایج نوید دهنده ی مجموعه داده ی شکمی انجام می شوند. با استفاده ازمتریک های ارزیابی تقسیم بندی MICCAI2008 فن آوری ارائه شده ی جدید به نمره ی کلی 80.19 نائل شد.