Loading...
| Friend's email | |
| Your name | |
| Your email | |
| enter code | |
This page was sent successfuly
- Type of Document: M.Sc. Thesis
- Language: Farsi
- Document No: 43562 (19)
- University: Sharif University of Technology
- Department: Computer Engineering
- Advisor(s): Manzouri, Mohammad Taghi
- Abstract:
- Image segmentation has a huge amount of applications in machine vision, target detection, medical image processing, etc. In many medical researches such as Organ and Gland Volume Specification, Analysis of Anatomical Structures and Multimodal Image Registration, Organ
Segmentation is the first step of preprocessing.Since detection of diseases out of medical images depends on organ segmentation results,the segmentation process is done by experts which has a lot of disadvantages such as high time computation, high cost, etc. Hence, designing algorithms that can segment images with high accuracy and need minimum user interaction are desirable. So, in this thesis, a new
knowledge based fully automatic liver segmentation has been proposed which is capable of segmenting liver in CT images with high accuracy - Keywords:
- Preprocessing ; Texture Analysis ; Graph Cut ; Deformable Model ; Liver Segmentation ; Live Wire
Digital Object List
-
محتواي پايان نامه
- view
Bookmark
- مقدمه
- مروری بر سیستم های تصویر برداری سی تی
- ساختمان یک دستگاه سی تی اسکن
- نحوه تشکیل تصویر سی تی توسط دستگاه تصویربرداری سی تی
- چالش های مربوط به ناحیه بندی تصاویر سی تی
- ناهمگونی (عدم یکنواختی) شدت روشنایی
- اثر حجم جزیی
- نویز
- طبقه بندی مطالب
- مروری بر سیستم های تصویر برداری سی تی
- مروری بر ادبیات موضوع
- مقدمه
- پیش پردازش مربوط به ناحیه بندی تصاویر پزشکی
- مقدمه
- فیلترهای پایین گذر خطی
- روش های بیزین
- روش های مبتنی بر تبدیل موجک
- فیلترهای ناهمسانگرد
- کارهای انجام شده در زمینه ی ناحیه بندی بافت کبد
- روش های مبتنی بر مدل های شکل پذیر
- روش های مبتنی بر گراف
- نتیجهگیری
- روش پیشنهادی
- مقدمه
- مراحل کلی الگوریتم
- استخراج ویژگی های مناسب از داده های آموزشی
- استخراج اطلاعات مربوط به شدت روشنایی پیکسل ها
- استخراج اطلاعات بافت مربوط به ارگان های مختلف تصاویر
- استخراج اطلاعات مکان مربوط به ارگان های تشکیل دهنده ی تصاویر
- استخراج بافت استخوان قفسه سینه از تصویر ورودی
- تطبیق سازی
- تطبیق تصویر
- ناحیه بندی تصویر ورودی با استفاده از الگوریتم قدم زدن تصادفی و ویژگی های استخراج شده نزدیک ترین کلاس تصاویر به دست امده به تصویر ورودی
- الگوریتم قدم زدن تصادفی
- نتیجهگیری
- تحلیل و ارزیابی نتایج
- مقدمه
- روشهای ارزیابی ناحیه بندی
- ارزیابی مبتنی برتعداد پیکسل های اشتباه ناحیه بندی شده
- ارزیابی مبتنی بر مقادیر ویژگی شی های ناحیه بندی شده
- پیاده سازی الگوریتم ها و مقایسه آنها
- تصاویر تهیه شده
- نتایج
- نتیجهگیری
- نتیجه گیری و پیشنهاد برای ادامه پژوهش
- مراجع