کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
467376 | 697956 | 2016 | 6 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1.مقدمه
2- کار مرتبط
3- الگوریتم رشد ناحیه ای بهبود یافته (ERGA)
3-1 گام ها برای الگوریتم انتخاب قسمت
3-2 8 همسایه متصل مقیاس خاکستری برای الگوریتم رشد ناحیه ای
4- راه اندازی آزمایش و نتایج اندازه گیری
جدول 1- مجموعه داده های MRA استفاده شده در این آزمایش.
شکل 1- تقسیم بندی رگ های سر برای مجموعه داده 1 با استفاده از رشد ناحیه ای قبل از بهبود. (a) تصویر قسمت اول مجموعه داده سر. (b) تصویر آستانه قسمت اول. (c) نتیجه قسمت اول بعد از رشد ناحیه ای. (d) نتیجه نهایی تقسیم بندی بعد از رشد ناحیه ای تمام 118 قسمت.
شکل 2- تقسیم بندی رگ های سر مجموعه داده 1 با استفاده از رشد ناحیه ای بعد از بهبود. (a) تصویر قسمت آغازی (27) انتخاب شده از مجموعه داده سر. (b) تصویر آستانه بندی شده قسمت آغازین. (c) نتیجه قسمت آغازین بعد از رشد ناحیه ای. (d) نتیجه نهایی تقسیم بندی بعد از رشد ناحیه ای 92 قسمت (27-118).
شکل 3- مقایسه تصاویر به دست آمده بعد از استفاده از RGA و با ERGA.
5- نتیجه گیری
In the Region Growing Algorithm (RGA) results of segmentation are totally dependent on the selection of seed point, as an inappropriate seed point may lead to poor segmentation. However, the majority of MRA (Magnetic Resonance Angiography) datasets do not contain required region (vessels) in starting slices. An Enhanced Region Growing Algorithm (ERGA) is proposed for blood vessel segmentation. The ERGA automatically calculates the threshold value on the basis of maximum intensity values of all the slices and selects an appropriate starting slice of the image which has a appropriate seed point. We applied our proposed technique on different patients of MRA datasets of different resolutions and have got improved segmented images with reduction of noise as compared to tradition RGA.
Journal: Applied Computing and Informatics - Volume 12, Issue 2, July 2016, Pages 128–133