سیستم‌های تصویربرداری پزشکی
حسن عباسی؛ زهرا کاوه وش
دوره 10، شماره 2 ، شهریور 1395، ، صفحه 161-174
چکیده
در این مقاله، الگوریتمی جدید بر‌مبنای حسگری فشرده برای بازسازی تصویر در سیستم تصویربرداری مقطعنگاری کامپیوتری (CT) ارائه شده است. هدف اصلی، کاهش زمان اسکن در تصویربرداری CT و بنابراین دوز اشعة تابشی، بدون کاهش کیفیت تصویر است. برای بهبود کیفیت تصویر بازسازی شده توسط تعداد نمونههای کم دریافتی، تابع هزینة جدیدی شامل ترکیب ...
بیشتر
در این مقاله، الگوریتمی جدید بر‌مبنای حسگری فشرده برای بازسازی تصویر در سیستم تصویربرداری مقطعنگاری کامپیوتری (CT) ارائه شده است. هدف اصلی، کاهش زمان اسکن در تصویربرداری CT و بنابراین دوز اشعة تابشی، بدون کاهش کیفیت تصویر است. برای بهبود کیفیت تصویر بازسازی شده توسط تعداد نمونههای کم دریافتی، تابع هزینة جدیدی شامل ترکیب بهینهای از ضرایب تبدیل موجک و ضرایب تبدیل کسینوسی و واریانس مجموع، ارائه شده است. کیفیت تصاویر بهدستآمده با تصاویر حاصل از تکنیکهای پیشین حسگری فشرده، براساس معیارهای متوسط مربعات خطا (MSE)، بیشینه نسبت سیگنال به نویز (PSNR) و تشابه ساختار (SSIM)، بهصورت کمی مقایسه شده است. نتایج، نشاندهندة آن است که روش پیشنهادی قادر به تولید تصاویر با کیفیت بالاتر و حفظ بهتر لبه، در عین کاهش مصنوعات تصویر با استفاده از تعداد زوایای دید محدود، است. این نتایج، بهبود قابل ملاحظهای نسبت به نتایج الگوریتمهای فشردهسازی پیشین از دیدگاه کیفیت تصویر بازسازیشده دارند.
پردازش تصاویر پزشکی
نیکتا جلایر؛ مجید باقری؛ مجید پولادیان
دوره 7، شماره 3 ، آذر 1392، ، صفحه 209-217
چکیده
پیشرفت‌های اخیر در سیستم‌های سه‌بعدی PETموجب شده قدرت تفکیک مکانی به مقدار 2-5 میلی‌متری پهنای کامل نصف ماکسیمم (FWHM)برسد. با چنین رشدی در قدرت تفکیک فضایی حتی مقدار کمی از حرکت در تصویربرداری PETمنبعی مهم برای کاهش قدرت تفکیک به شمار می‌رود.در این پژوهش در سطحی وسیع به بازنگری و بحث الگوهای اصلاحی پیشرفته برای نمونه‌هایی از حرکات ناخواسته ...
بیشتر
پیشرفت‌های اخیر در سیستم‌های سه‌بعدی PETموجب شده قدرت تفکیک مکانی به مقدار 2-5 میلی‌متری پهنای کامل نصف ماکسیمم (FWHM)برسد. با چنین رشدی در قدرت تفکیک فضایی حتی مقدار کمی از حرکت در تصویربرداری PETمنبعی مهم برای کاهش قدرت تفکیک به شمار می‌رود.در این پژوهش در سطحی وسیع به بازنگری و بحث الگوهای اصلاحی پیشرفته برای نمونه‌هایی از حرکات ناخواسته بیماران، حرکت بواسطه چرخه‌های قلبی و حرکت بواسطه چرخه‌های تنفسی پرداخته شده است. در ادامه با استفاده از NCATدو فانتوم زن و مرد طراحی شد. هدف از طراحی دو فانتوم مرد و زن مقایسه نتایج به دست آمده برای هر یک از آنها با توجه به ساختار متفاوتشان بود. سپس با واسطه نرم‌افزار Sim SETتصاویر PETبا در نظر گرفتن حرکت قفسه سینه و بدون در نظر گرفتن آن، برای چرخه تنفسی 4 ، 5 و6 ثانیه و برای هر دو فانتوم به طور جداگانه به دست آورده شد و در انتها مدل حرکتی بر مبنای چرخه تنفسی 5 ثانیه، با تبدیل موجک استخراج شد که حرکت ناشی از چرخه تنفسی و در نتیجه آرتیفکت ایجاد شده در تصویر را می‌تواند به نوعی اصلاح کند. نتایج حاصل از این پژوهش نشان می‌دهد در فریم‌های زمانی ابتدایی و انتهایی چرخه تنفسی، با توجه به اختلاف بسیار ناچیز بین تصاویر بدون حرکت و تصاویر دارای حرکت تنفسی، می‌رساند که مدل نتیجه بهتری را در‌بر‌نداشته است؛ حال آنکه در فریم‌های زمانی دیگر مدل توانسته است تخمین مناسبی از حرکت را ارائه کند. تصاویر حاصل از مدل که منجر به حذف حرکت تنفسی شده، توانسته است در مقایسه با تصاویر دارای حرکت تنفسی شباهت بیشتری را چه از نظر مجموعه مربعات خطا و چه از نظر ضرایب همبستگی به تصویر بدون حرکت ارائه کند. در مقایسه با سایر روش‌های موجود می‌توان مشاهده کرد که مدل یاد شده علاوه بر ارائه تخمینی مناسب برای حرکت، از خطاهای ناشی از الصاق نشانگر و نیز به کار بردن سخت افزارهای پایش مبری است.
مهران بابلی؛ سید علی قرشی؛ نامدار صنیعی؛ علیرضا احمدیان
دوره 2، شماره 4 ، اسفند 1387، ، صفحه 297-303
چکیده
با توجه به کاربرد روز افزون امواج فرا پهن باند در بخش پزشکی، در مطالعه حاضر از این امواج برای آشکار سازی فرکانس حرکتی قلب استفاده شده است. کارهای ارائه شده در این مقاله را می توان دو بخش تقسیم کرد: در بخش اول فرکانس حرکتی قلب به کمک امواج فرا پهن باند به صورت شبیه سازی و در قالب مدلی که برای بدن انسان در نظر گرفته شده است، به دست می آید. ...
بیشتر
با توجه به کاربرد روز افزون امواج فرا پهن باند در بخش پزشکی، در مطالعه حاضر از این امواج برای آشکار سازی فرکانس حرکتی قلب استفاده شده است. کارهای ارائه شده در این مقاله را می توان دو بخش تقسیم کرد: در بخش اول فرکانس حرکتی قلب به کمک امواج فرا پهن باند به صورت شبیه سازی و در قالب مدلی که برای بدن انسان در نظر گرفته شده است، به دست می آید. سپس حرکت قلب در بدن انسان به وسیله یک مدل لایه ای ساده شبیه سازی شده و فرکانس حرکتی این مدل به دست آمده است. در بخش دوم آزمایش های انجام شده بر بدن انسان، به کمک فرستنده و گیرنده فراپهن باند با پهنای باند GHz 2.3 انجام شده و فرکانس حرکتی قلب به کمک الگوریتم مبتنی بر تبدیل موجک به دست آمده است. نتایج حاصل و مقایسه آنها با مقادیر واقعی نشان می دهد که الگوریتم ارائه شده کاربردی و در حد مطلوبی (98%) تکرارپذیر است. همچنین نشان داده شده است که نتایج به دست آمده از کاربرد این الگوریتم در محیط واقعی برای آشکارسازی فرکانس قلب دارای دقتی بیش از 92% بوده اند.
پردازش تصاویر پزشکی
حمید ابریشمی مقدم؛ علیرضا شیخ حسنی؛ عباس مصطفی؛ معصومه گیتی؛ پرویز عبدالمالکی
دوره -1، شماره 2 ، بهمن 1383، ، صفحه 117-128
چکیده
در این مقاله، یک سیستم CAD به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون ...
بیشتر
در این مقاله، یک سیستم CAD به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون استخراج می گردد. سپس با استفاده از یک شبکه عصبی، دسته بندی اولیه پیکسل ها انجام می شود. در مرحله دوم الگوریتم، پس از حذف پیکسل های نویزی حاصل از مرحله اول، اجسام باقیمانده از نظر مطابقت با یک دانه میکروکلسیفیکاسیون مورد بررسی قرار می گیرد. به این منظور، از 18 ویژگی تعریف شده برای هر دانه میکروکلسیفیکاسیون، و یک دسته بندی کننده غیرخطی استفاده شده و دانه های میکروکلسیفیکاسیون با دقت خوبی شناسایی می شود. برای آموزش این دسته بندی کننده، از 16 ناحیه حاوی میکروکلسیفیکاسیون های بدست آمده از تصاویر پایگاه داده ای که مجموعا شامل 379 میکروکلسیفیکاسیون بودند استفاده شده است. در مرحله سوم، با استفاده از 5 ویژگی مربوط به خوشه های میکروکلسیفیکاسیون و یک شبکه عصبی، در مورد بدخیمی خوشه های میکروکلسیفیکاسیون قضاوت به عمل می آید. برای آموزش این شبکه عصبی از 22 خوشه که از 14 خوشه خوش خیم و 8 خوشه بدخیم تشکیل شده بودند استفاده شد. برای سنجش کارآیی سیستم نیز 22 خوشه دیگر که در مرحله آموزش از آنها استفاده نشده بود و شامل 10 خوشه خوش خیم و 12 خوشه بد خیم بودند، به سیستم اعمال شد. با اعمال تصاویر فوق، این سیستم در مقدار آستانه 0.45 مقدار حساسیت 100% و مقدار خصوصیت 91.6% از خود نشان داد. با توجه به این مقادیر می توان قابلیت مناسب الگوریتم ایجاد شده را تایید نمود.
