کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10345374 698264 2014 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Personalized identification of abdominal wall hernia meshes on computed tomography
ترجمه فارسی عنوان
شناسایی شخصیت فورنس دیواره شکم بر روی توموگرافی کامپیوتری
کلمات کلیدی
فتق دیواره شکم مش، توموگرافی کامپیوتری، طبقه بندی الگو، آنتروپی زمینشناسی، ماتریس همزمانی، تلفیق اطلاعات،
ترجمه چکیده
فتق دیسک شکمی یک خروجی روده از طریق یک باز یا یک منطقه ضعف در دیواره شکم است. تشخیص دقیق قبل از عمل جراحی فورنس دیواره شکم می تواند به جراحان کمک کند تا برنامه جراحی را برآورده سازد تا مشکلات و بیماری های مورد انتظار را از بین برده و یا از بین بردن مش قبلی برآورده سازد. اول، ما برای اولین بار در اینجا برای استفاده از تجزیه و تحلیل تصویر برای شناسایی خودکار مش های فتق وجود دارد. دوم، ما در مورد توسعه رمان یک ویژگی بافت تصویر مبتنی بر آنتروپی جدید با استفاده از آمار زمین شناسی و شاخص کریگینگ بحث می کنیم. سوم، ما می خواهیم با استفاده از ترکیب ویژگی بافت جدید با ویژگی ماتریس هماهنگی خاکستری تصویر را بهبود بخشد. این دو ویژگی می توانند اطلاعات تکمیلی مربوط به جزئیات آناتومیک دیواره فتق شکمی و مش آن بر روی توموگرافی کامپیوتری را مشخص کنند. نتایج تجربی اثربخشی مطالعه پیشنهاد شده را نشان داده است. ابزار محاسباتی جدید دارای پتانسیل برای شناسایی مش های شخصی است که می تواند جراحان را در تشخیص و تعمیر فیزیوتراپ های دیواره مجاری شکمی کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
شناسایی شخصیت فورنس دیواره شکم بر روی توموگرافی کامپیوتری
چکیده انگلیسی
An abdominal wall hernia is a protrusion of the intestine through an opening or area of weakness in the abdominal wall. Correct pre-operative identification of abdominal wall hernia meshes could help surgeons adjust the surgical plan to meet the expected difficulty and morbidity of operating through or removing the previous mesh. First, we present herein for the first time the application of image analysis for automated identification of hernia meshes. Second, we discuss the novel development of a new entropy-based image texture feature using geostatistics and indicator kriging. Third, we seek to enhance the hernia mesh identification by combining the new texture feature with the gray-level co-occurrence matrix feature of the image. The two features can characterize complementary information of anatomic details of the abdominal hernia wall and its mesh on computed tomography. Experimental results have demonstrated the effectiveness of the proposed study. The new computational tool has potential for personalized mesh identification which can assist surgeons in the diagnosis and repair of complex abdominal wall hernias.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Methods and Programs in Biomedicine - Volume 113, Issue 1, January 2014, Pages 153-161
نویسندگان
, , , , , ,