رویکرد چند رشته ای برای ثبت تصاویر پزشکی با استفاده از اطلاعات مشترک در محیط چند هسته ای
چکیده
ثبت تصویر، نقشی بسیار حیاتی را در مورد تصویربرداری پزشکی برای ثبت کیفیت‌های مختلف تصاویر مانند ثبت CT (توموگرافی کامپیوتری) و PET (توموگرافی انتشار پوزیترون) ایفا می‌کند. CT برای اطلاعات ساختاری ضروری است و PET (توموگرافی انتشار پوزیترون) برای اطلاعات کارکردی است. آن اساسا روال تبدیل مجموعه‌های نامشابه داده‌ها به یک سیستم مختصاتی است. این مجموعه‌های داده‌ها را می‌توان از کیفیت‌های (مدالیته‌های) مختلف تصویر، دیدگاه‌های متفاوت، و حسگرهای مشابه یا نامشابه کسب کرد. کشف شده است که ثبت تصویر مبتنی بر MI از روش‌های به طور معقول مفید ثبت تصویر است. اگرچه کشف شده است که آن یک فرایند به شدت محاسباتی و زمانبر برای تصاویر با اندازه‌ی بسیار بزرگ و برای مجموعه‌های داده‌های متفاوت تصاویر است. آن شامل گام‌هایی برای محاسبه‌ی هیستوگرام مشترک، آنتروپی‌های حاشیه‌ای، محاسبه و توزیع احتمال است. انگیزه‌ی اصلی این مقاله، فراهم ساختن روشی هوشمندانه برای ثبت تصویر بر اساس اطلاعات مشترک با استفاده از محیط چند هسته‌ای با حفظ همگامسازی بین پردازشگرها و هسته‌های فعالسازی شده‌ی مختلف است. روش ارائه شده دارای قابلیت اجرا با تعداد متفاوت رشته‌ها برای دستیابی به همه‌ی پرداخت‌های پردازشگرها بوده است و ازدیاد سرعت قابل توجهی را ارائه می‌دهد که با طیف وسیعی از تصاویر مانند تصاویر مقیاس خاکستری، RGB، و Dicom با اندازه‌ی متفاوت کار می‌کند. در نهایت، الگوریتم طراحی شده، برای ثبت تصاویر پزشکی با کیفیت‌های مختلف استفاده شده است.
1.پیشگفتار
ثبت تصویر (IR)، وظیفه‌ی بسیار ضروری پردازش تصویر است همانطور که آن روال تنظیم دو تصویر است به طوری که نقطه‌ی در یک تصویر متناظر با موقعیت آناتومیک یکسان در دیگری باشد. آن یک بخش کلیدی در تجزیه و تحلیل تصویربرداری پزشکی است. تصاویر پزشکی اغلب در زمان‌ها و مکان‌های مختلف گرفته می‌شوند که منجر به قاب متغییر مراجع برای بخش یکسان بدن انسان در تصاویر می‌شود [1]. ثبت تصویر، نقشی حیاتی را در ثبت کیفیت‌های مختلف تصاویر پزشکی مانند ثبت CT-PET و بسیاری موارد دیگر ایفا می‌کند. ثبت تصویر مبتنی بر MI بسیار ارزشمند است زیرا آن بر اساس ارتباط آماری بین دو تصویر است و مهمترین چیز این است که تفکیک (تجزیه)، قبل از ثبت تصویر مبتنی بر MI، ضروری نیست. علاوه‌بر اهمیت ثبت تصویر مبتنی بر MI، آن از لحظا محاسباتی بسیار پر هزینه است [2]. به نظر می‌رسد که محاسبات موازی، تنها راه‌حل برای محاسبات سریع و کارامد است همانطور که با استفاده از این، ما می‌توانیم منابع غیرمحلی به صورت بسیار کارامد با چندرشته‌ای‌سازی مناسب استفاده کنیم. مهمتر این که آن، محدودیت‌های محاسبات سری را حذف می‌کند [3]. در حال حاضر روال‌های چندهسته‌ای امروزه شامل چندین عنصر پردازش در محدوده‌ی یک مدار یکپارچه هستند و این را می‌توان به عنوان راه‌حل موازی در نظر گرفت که محدودیت محاسبه‌ی متوالی را برطرف می‌کند [7-4]. برای اجرای ثبت تصویر مبتنی بر MI، ما نیاز به در نظر گرفتن مفاهیم اساسی زیر داریم
ABSTRACT
Image Registration plays very crucial role in case of medical imaging to register different modalities of images like CT (Computed Tomography) and PET (Positron Emission Tomography) registration. CT is essential for structural information of anatomic and PET (Positron Emission Tomography) is for functional information. Basically it is the procedure of transforming dissimilar sets of data into one coordinate system. These sets of data can be acquired from multiple image modalities, different viewpoints, similar or dissimilar sensors. MI based image registration has been found to be reasonably useful methods of image registration. However, it is found to be quite computationally intensive and time consuming process for enormous size images and for different data sets of images. It involves steps for computation of joint histogram, marginal entropies, calculation and probability distribution. Main motive of this paper is to provide an intelligent method for image registration based on Mutual Information using multi core environment with maintaining the synchronization between different activated cores and processors. Proposed Method has been able to execute with different number of threads to achieve all the remuneration of the processors and gives significant speedup working with verity of images like gray scale, RGB and Dicom images with different size. Finally the designed algorithm has been used to register medical images of different modalities.
1. INTRODUCTION
Image registration (IR) is extremely essential task of Image Processing as it is the procedure of aligning two images so that the point in one image corresponds to the same anatomical position in the other. It is a key part in the medical imaging analysis. Medical images are often taken at different time and places, resulting in varying frame of references for the same part of the human body in the images [1]. Image registration plays vital role in the registration of different modalities of medical images like CT – PET registration and many more. MI based image registration is very valuable as it is based on the statistical relationship between two images and most important thing is that segmentation is not necessary prior to MI based image registration. Apart from the importance of MI based image registration it is quite computationally expensive [2]. Parallel computing seems to be the only solution for fast and efficient computing as by using this we can use non local resources very efficiently with suitable multithreading. Importantly it removes the limits of serial computing [3]. Now day’s multicore processors include several processing elements within an integrated circuit and this can be considered as parallel solution which removes the limitation of sequential computing [4-7]. For implementing MI based Image Registration we need to consider following basic concepts
چکیده
1. پیشگفتار
1.1. آنتروپی
1.2. اطلاعات مشترک
2. محاسبات موازی، محیط و مدل‌های برنامه‌نویسی قابل دسترس برای محاسبات موازی
3. روش ارائه شده: ثبت تصویر با استفاده از اطلاعات مشترک در محیط محاسبات موازی
4. راه‌اندازی تجربی و نتایج به دست آمده
4.1. تنظیم تصویر: 20 تصویر مقیاس خاکستری (اندازه‌ی متفاوت - 256 X 256, 512 X 512, 1024 X 1024, 2048 X 2048)
4.2. تنظیم تصویر: بیست تصویر RGB (اندازه‌ی متفاوت - 256 X 256, 512 X 512, 1024 X 1024, 2048 X 20148)
4.3. تنظیم تصویر: بیست تصویر متفاوت Dicom مغز با اندازه‌ی 256×256
5. بحث
6. کاربردهای در تصویربرداری پزشکی
7. نتیجه‌گیری
ABSTRACT
1. INTRODUCTION
1.1 Entropy
1.2 Mutual Information
2. PARALLEL COMPUTING, ENVIRONMENT AND PROGRAMMING MODELS AVAILABLE FOR PARALLEL COMPUTING
3. PROPOSED METHOD: IMAGE REGISTRATION USING MUTUAL INFORMATION IN PARALLEL COMPUTING ENVIRONMENT
4. EXPERIMENTAL SETUP AND RESULTS OBTAINED
4.1 Image Set: Twenty Gray Scale Images (Different Size – 256 X 256, 512 X 512, 1024 X 1024, 2048 X 2048)
5. DISCUSSION
6. APPLICATIONS IN MEDICAL IMAGING
7. CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه