KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2015 / Cilt: 30 - Sayı: 3

BATIN BÖLGESİ ORGANLARININ MR GÖRÜNTÜLERİNDEN ÇOK AŞAMALI HİYERARŞİK SINIFLAMA İLE BÖLÜTLENMESİ

Eşref SELVİ
M. Alper SELVER
Ali KAVUR
Cüneyt GÜZELİŞ
Oğuz DİCLE
Sayfa
0
Yayın Tarihi
2015-09-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Geliştirilen sistem farklı MR sekansları ile elde edilen görüntülere uygulanarak elde edilen sonuçlar tartışılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Tıbbi görüntüleme ile anatomi hakkında ayrıntılı bilgi elde edinilebildiğinden, tanı amaçlı görüntüleme günümüzde birçok açıdan önem kazanmıştır.
📊
Temel Bulgular & Veri:Görüntüleme cihazları tarafından sunulan verilerin fazlalığı ve çeşitliliği nedeniyle, tüm veri yerine görüntülerde sadece ilgilenilen dokunun belirlenerek ayrılması (Bölütlenmesi) sağlanabilir.
💡
Sonuç & Katkı:Geliştirilen sistem farklı MR sekansları ile elde edilen görüntülere uygulanarak elde edilen sonuçlar tartışılmıştır.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Bölütleme · hiyerarşik sınıflama · batın

Özet

Tıbbi görüntüleme ile anatomi hakkında ayrıntılı bilgi elde edinilebildiğinden, tanı amaçlı görüntüleme günümüzde birçok açıdan önem kazanmıştır. Görüntüleme cihazları tarafından sunulan verilerin fazlalığı ve çeşitliliği nedeniyle, tüm veri yerine görüntülerde sadece ilgilenilen dokunun belirlenerek ayrılması (Bölütlenmesi) sağlanabilir. Elcil yöntemler ile bölütleme yorucu, zaman alıcı ve deneyim gerektiren bir işlem olduğundan, otomatik yordamlara gereksinim duyulmaktadır. Geliştirilen yordamların klinik koşullarında kullanılabilmesi içinse yüksek başarıma sahip sonuçlar üretmeleri gerekmektedir. Manyetik Rezonans (MR) görüntülerinden batın bölgesindeki organlarının bölütlenmesi pek çok zorluk içeren bir uygulama alanıdır ve bu konudaki çalışmalar sınırlı sayıdadır. Batın bölgesinde yer alan, karaciğer, böbrekler, dalak, pankreas, safra kesesi gibi organların MR görüntüleri kullanılarak ileri seviye tıbbi analizi ve üç boyutlu incelenmesi pek çok tıbbi prosedür için mecburi olduğundan, bu çalışmada, ilgili organların bölütlenmesinde yukarıda belirtilen zorluklara karşı gürbüz, bölütlenecek organın özellikleri ve organların birbirleriyle olan ilişkilerini (konum vb.) göz önüne alan bir sistem geliştirilmiştir. Geliştirilen sistem farklı MR sekansları ile elde edilen görüntülere uygulanarak elde edilen sonuçlar tartışılmıştır.

🔖

Bu Makaleye Atıf Yap

SELVİ, E., SELVER, M. A., KAVUR, A., GÜZELİŞ, C., DİCLE, O. (2015). BATIN BÖLGESİ ORGANLARININ MR GÖRÜNTÜLERİNDEN ÇOK AŞAMALI HİYERARŞİK SINIFLAMA İLE BÖLÜTLENMESİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 30 - Sayı: 3, 0. https://ajindex.com/articles/20422

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. Wu, J., Kamath, MV., Noseworthy, MD., Boylan, C. ve Poehlman, S., “Segmentation of images of abdominal organs.” Crit Rev Biomed Eng, Cilt 36, No 5-6, 105-334, 2008.
  2. Wang, H., Bai, J., Zhou, Y. ve Zhang, Y., “Abdominal atlas mapping in CT and MR volume images using a normalized abdominal coordinate system.” Comput Med Imaging Graph, Cilt 32, No 6, 442-451, 2008.
  3. Zhou, Y. ve Bai, J. “Multiple abdominal organ segmentation: an atlas-based fuzzy connectedness approach.” IEEE Trans Inf Technol Biomed, Cilt 11, No 3, 348-352 2007.
  4. Park, H., Bland, P.H. ve Meyer, C.R., "Construction of an abdominal probabilistic atlas and its application in segmentation”, Medical Imaging, IEEE Transactions on, Cilt 22, No 4, 483-492, 2003.
  5. Koss, J.E., Newman, F.D., Johnson, T.K. ve Kirch, D.L., "Abdominal organ segmentation using texture transforms and a Hopfield neural network”, Medical Imaging, IEEE Transactions on, Cilt 18, No 7, 640-648, 1999
  6. Campadelli, P., Casiraghi, E., Pratissoli, S. ve Lombardi, G., “Automatic abdominal organ segmentation from ct images”, Electronic Letters on Computer Vision and Image Analysis, Cilt 8, 1–14, 2009.
  7. Sakashita, M., Kitasaka, T., Mori, K., Suenaga, Y. ve Nawano, S., “A method for extracting multiorgan from four-phase contrasted ct images based on ct value distribution estimation using em-algorithm”, Progress in biomedical optics and imaging, Cilt 8, No 1, 1 –12, 2007.
  8. Linguraru, M. ve Summers, R., “Multi-organ automatic segmentation in 4d contrast-enhanced abdominal ct”, Biomedical Imaging: From Nano to Macro, 2008. ISBI 2008. 5th IEEE International Symposium on, 45 –48, 2008.
  9. Selver, M. A., "Segmentation of Abdominal Organs from CT using a Multi-Level, Hierarchical Neural Network Strategy", Computer Methods and Programs in Biomedicine, Cilt 113, 830-852, 2014.
  10. Yuan, Z., Wang, Y., Yang J. ve Liu, Y.,, "A novel automatic liver segmentation technique for MR images", Image and Signal Processing (CISP), 2010 3rd International Congress on, Cilt 3, No, 1282-1286, 2010.
  11. Rafiee, A., Masoumi, H. ve Roosta, A., "Using neural network for liver detection in abdominal MRI images", Signal and Image Processing Applications (ICSIPA), 2009
  12. IEEE International Conference on, Cilt, No, 21-26, 2009
  13. Rajasvaran, L., Haw, T.W. ve Sarker, S.Z., “Liver isolation in abdominal MRI”, Journal of Medical Systems, Cilt 32, No 4, 259-268 2008.
  14. Akyar, H., Selver, M.A. ve Demir, G.K., "Segmentation and registration of kidneys from contrast enhanced abdominal MR image