دانلود رایگان مقاله بررسی الگوریتم های تقسیم بندی تصویر بر روی تصاویر پزشکی
چکیده
اطلاعات بصری نقش مهمی در تقریبا تمام حوزه های زندگی ما ایفا می کنند. امروزه، بسیاری از این اطلاعات نشان داده می شود و به صورت دیجیتالی پردازش می شود. پردازش تصویر، با کاربردهایی اعم از تلویزیون (تلویزیون) تا توموگرافی کامپیوتری، از عکاسی تا چاپ، از رباتیک تا سنجش از راه دور و کاربردهایی پزشکی در همه جا حاضر است. سونوگرافی یکی از روش های مورد استفاده برای پزشکی است. این کاربرد به صورت بالینی استفاده می شود. مهم ترین فن آوری ها، شامل مبدل ها، تشکیل دهنده پرتو، عوامل تقابلی، تکنیک های فشرده سازی پالس برای اندازه گیری جریان خون و تصویربرداری سه بعدی هستند. تصویربرداری فراصوتی، کیفیت تصویربرداری باارزشی را برای ارائه ویژگی های زیر با سهولت استفاده، هزینه کم، بررسی امن، غیر تهاجمی و سریع فراهم می کند. این سیستم تصویربرداری فراصوت، راهی موثر برای بررسی بافت های مختلف بدن انسان از جمله تیروئید، پستان، اندام شکم، قلب، عضلات، تاندونها، شریانها و وریدها را فراهم می کند. هدف این مقاله، ارائه الگوریتم های تقسیم بندی فعلی مورد استفاده برای تصاویر پزشکی می باشد. هر نوع الگوریتم مورد بحث و همچنین زمینه های کاربرد اصلی آنها شناسایی می شوند. آزمایشاتی که این الگوریتم ها را برای بخش بندی تصاویر سونوگرافی اعمال می نمایند، برای بررسی بیشتر رفتار آنها در این مقاله ارائه می شوند.
1. مقدمه
پردازش تصویر [1]، استفاده از الگوریتم های کامپیوتری برای تصاویر، انجام برخی از عملیات ها بر روی آنها به منظور استخراج برخی از اطلاعات مفید است. این کار اعمال طیف گسترده ای از الگوریتم ها را برای داده های ورودی میسر می سازد و می تواند از مشکلاتی از قبیل ایجاد نویز و اعوجاج سیگنال در طول پردازش ممانعت نماید.
حوزه های گسترده ای از کاربردهایی پردازش تصویر دیجیتال شامل کاربردهایی پزشکی، سینما، نقاشی دیجیتال، سنجش از دور، چشم انداز ربات، روش ترکیبی، انتقال تصویر و برنامه نویسی و غیره می شوند. کاربردهای پزشکی دارای طیف گسترده ای از روش ها است که سونوگرافی، توموگرافی تابش پوزیترون، توموگرافی کامپیوتری، اشعه X دیجیتال، نمایشگر ورید ، تصویربرداری رزونانس مغناطیسی، تصویربرداری طیفی می باشند.
در این مقاله، تقسیم بندی بر اساس تصاویر سونوگرافی [2] انجام می شود. تجزیه و تحلیل تصاویر معمولا به پردازش تصاویر توسط کامپیوتر با هدف یافتن آنچه اشیاء در تصویر ارائه می دهند اشاره می نماید. تقسیم بندی تصویر [2] یکی از مهم ترین وظایف در تجزیه و تحلیل تصویر است. در یک سیستم فراصوتی، سه نوع اساسی از داده های موجود برای تجزیه و تحلیل وجود دارد: سیگنال فرکانس رادیویی (RF) ، تصاویر حالت B [5]، و سیگنال ها با پوش شناسایی شده.
یک مبدل سونوگرافی، سیگنال های متعدد آنالوگ با فرکانس رادیویی (RF) را دریافت می کند که به سیگنال های RF دیجیتال تبدیل می شوند و پرتوی تشکیل شده در یک سیگنال RF تک در شکل 1 نشان داده شده است. سیگنال RF فیلتر می شود و تشخیص پوش برای ارائه یک سیگنال با پوش آشکار شده انجام می شود.
در نهایت، سیگنال اختصاصی پس از پردازش و با پوش آشکار شده، برای ارائه سیاه سفید تحت فشردگی لگاریتمی قرار می گیرد. سیگنال های حاصل درون یابی می شوند و به یک تصاویر بیتی حالت B و یا تصاویر صفحه نمایش تبدیل می شوند.
2. تصویربرداری فراصوتی (سونوگرافی)
تصویربرداری فراصوتی [4] سونوگرافی نیز نامیده می شود. این سیستم تصویربرداری فراصوتی از امواج صوتی با فرکانس بالا برای تولید تصاویر از داخل بدن استفاده می کند. از آنجا که تصاویر فراصوتی در زمان واقعی ضبط می شوند، آنها می توانند ساختار و حرکت اندامهای داخلی بدن و همچنین جریان خون را در رگ های خونی را نشان دهند [5].
تصویربرداری فراصوتی [6] آزمون پزشکی غیرتهاجمی است که به پزشکان برای دیدن اندامهای داخلی بدن کمک می کند. پیشرفت در تکنولوژی سونوگرافی شامل سونوگرافی دو بعدی (2D) می شود که داده موج صوتی را به تصاویر دوبعدی، تصویر سونوگرافی سه بعدی (D3) قالب بندی می نماید که داده موج صوتی را به تصاویر سه بعدی و سونوگرافی چهار بعدی (4D) که سونوگرافی سه بعدی در حال حرکت است، قالب بندی می نماید.
سونوگرافی Doppler بخشی از سونوگرافی است. تصویربرداری فراصوتی نیز به عنوان یک ابزار پژوهش محبوب برای گرفتن مجموعه داده های خام نامیده شده است که می تواند از طریق یک رابط پژوهش سونوگرافی ساخته شود. برای هدف خصوصیات بافت [8] و اجرای تکنیک ها و روش های جدید پردازش تصویر استفاده می شود. این مفاهیم تصویربرداری فراصوتی در این واقعیت کاملا متفاوت از سایر روشهای تصویربرداری پزشکی است که توسط انتقال و دریافت امواج صوتی عمل می نماید. حالات مختلف فراصوتی در تصویربرداری پزشکی استفاده می شوند. اینها عبارتند از: حالت، حالت B، حالت C، حالت M، حالت Doppler، Doppler رنگی، Doppler پیوسته، پالس موج (PW) Doppler، Doppler، حالت وارونگی پالس.
Abstract
Visual information plays an important role in almost all areas our life. Nowadays, much of this information is represented and processed digitally. Image processing is ubiquitous, with the applications ranging from Television (TV) to Computed Tomography, from Photography to Printing, from Robotics to remote sensing and medical applications. Ultrasound is one of the techniques for medical application. It is used for clinical usage. The most important technologies include transducers, beam forming, contrast agents, pulse compression techniques for measuring blood flow and three-dimensional imaging. Ultrasound imaging provides valuable imaging modality to provide the following functionalities as ease of use, low cost, safe, non invasive and fast examination. Ultrasound imaging system provides effective way for examining the various tissues of human body including thyroid, breast, abdominal organs, heart, muscles, tendons, arteries and veins. This paper aims to present on current segmentation algorithms used for medical images. Each and every type of algorithm is discussed as well as their main application fields identified. Experiments that apply the algorithms to segment ultrasound images are presented to further evaluate their behaviour.
I. INTRODUCTION
Image processing [1] is the use of computer algorithms to images, perform some operations on in order to extract some useful information. It allows wide range of algorithms applied to the input data and can avoid problems such as build-up of noise and signal distortion during processing.
Broad areas of digital image processing applications include Medical applications, Digital cinema, Remote Sensing, Robot vision, Hybrid techniques, Image transmission and coding etc. Medical applications has wide variety of modalities which is Ultrasound, Positron Emission Tomography, Computed Tomography, Digital X-ray, Vein Viewer, Magnetic Resonance Imaging, Hyper spectral imaging.
In this paper Segmentation is performed on Ultrasound [2] images. Analysis of Images usually refers to processing of images by computer with the goal of finding what objects are presented in the image. Image segmentation [2] is one of the most critical tasks in image analysis. In an ultrasound system there are three basic types of data available for analysis: Radio Frequency (RF) signals, B-mode images [5], and envelopedetected signals.
An ultrasound transducer receives multiple analogue radio-frequency (RF) signals which are converted into digital RF signals and beam formed into a single RF signal shown in Fig 1. The RF signal is filtered and envelope detection is performed to give an envelope detected signal.
Finally, proprietary post-processing and the envelopedetected signal undergoes log compression is applied to give a greyscale representation. The resulting signals are interpolated and rasterized to give a B-mode images or display images.
II. ULTRA-SOUND IMAGING
Ultrasound imaging [4] is also called Sonography. Ultrasound imaging system used high frequency sound waves for producing pictures of the inside body. Because ultrasound images are captured in real-time that they can show the structure and movement of the internal body organs, as well as blood flowing through blood vessels [5].
Ultrasound imaging [6] is a non-invasive medical test that helps doctors to see the internal body organs. Advancements in ultrasound technology include Two-Dimensional (2-D) ultrasound that formats the sound wave data into 2-D images, Three-dimensional (3-D) ultrasound image that formats the sound wave data into 3-D images and Four-dimensional (4-D) ultrasound which is 3-D ultrasound in motion.
Doppler ultrasound is the part of an ultrasound examination. Ultrasound imaging is also named as a popular research tool for capturing raw data set, which can be made available through an ultrasound research interface. It is used for the purpose of tissue characterization [8] and implementation of new image processing techniques and methodologies. These concepts of ultrasound imaging are totally differing from other medical imaging modalities in the fact that it is operated by the transmission and receipt of sound waves. Different modes of ultrasound are used in medical imaging. These are: A mode, B mode, C mode, M mode, Doppler mode, color Doppler, Continuous Doppler, Pulse Wave (PW) Doppler, Duplex Doppler, pulse inversion mode.
چکیده
1. مقدمه
2. تصویربرداری فراصوتی (سونوگرافی)
3. خواص تصویربرداری فراصوت
4. مزایای پردازش تصویر فراصوتی
5. روش های تصویربرداری فراصوتی
6. الگوریتم های تقسیم بندی تصویر فراصوتی (سونوگرافی)
A. آستانه گذاری
B. روش های خوشه بندی
a. تکنیک نظارت شده
b. روش نظارت نشده
C. ناپیوستگی
D. مدل های تغییر شکل یافته
E. روش های بر اساس فشرده سازی
F. تقسیم بندی تصویر بر اساس هیستوگرام
G. منطقه در حال رشد
H. روش تنظیم سطح
I . رویکردهای معادله دیفرانسیل با مشتقات جزئی
J. مدل پارامتری
K. روش پیشروی سریع
L. بخش بندی نمودار
M. تقسیم بندی حوضه ای
N. تقسیم بندی چند مقیاسی
7. قانون تقسیم بندی ساده
8. قانون تقسیم بندی ساده
9. نتیجه گیری
Abstract
I.INTRODUCTION
II.ULTRA-SOUND IMAGING
III.PROPERTIES OF ULTRASOUND IMAGING
IV.ADVANTAGES OF ULTRASOUND IMAGE PROCESSING
V.ULTRASOUND IMAGING METHODOLOGIES
VI.ULTRASOUND IMAGE SEGMENTATION ALGORITHMS
VII.SIMPLE SEGMENTATION RULE
A. Thresholding
B. Clustering Methods
C. Discontinuity
D. Deformal Models
E. Compression Based Approaches
F. Histogram-Based Image Segmentation
G. Region Growing
I. Partial Differential Equation Approaches
J. Parametric Model
K. Fast Marching Method
L. Graph Portioning
M. Watershed Segmentation
N. Multi Scale Segmentation
O. Trainable Segmentation
VIII.SIMPLE SEGMENTATION RULE
IX.CONCLUSION