KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2007 / Cilt: 22 - Sayı: 3

ULTRASON GÖRÜNTÜLERİNDE PROSTAT SINIRININ BULUNMASI

Hasan BİLGE
Volkan VERİM
Sayfa
0
Yayın Tarihi
2013-02-15
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)

Tek iterasyonda sonuca ulaşmakla birlikte, sınırlar oldukça isabetli bulunabilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Ultrason görüntüleme, prostatla ilgili hastalıkların teşhisinde yaygın bir şekilde kullanılmaktadır.
📊
Temel Bulgular & Veri:Bu yöntemde, prostat bölgesinin içinin arka plana göre daha koyu gri değerlerinesahip olması bilgisine dayalı olarak sınır bulunmaktadır.
💡
Sonuç & Katkı:Tek iterasyonda sonuca ulaşmakla birlikte, sınırlar oldukça isabetli bulunabilmektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Görüntü işleme · tıbbi görüntü analizi · biçimi değişebilen sınır modelleri

Özet

Ultrason görüntüleme, prostatla ilgili hastalıkların teşhisinde yaygın bir şekilde kullanılmaktadır. Prostatgörüntülerinin otomatik işlenmesi veya üç boyutlu modellerinin çıkarılmasında prostat sınırının bulunması önemkazanmaktadır. Bu çalışmada, iki boyutlu ultrason görüntülerinin analiz edilerek prostat sınırının bulunması içinyeni bir yöntem sunulmaktadır. Bu yöntemde, prostat bölgesinin içinin arka plana göre daha koyu gri değerlerinesahip olması bilgisine dayalı olarak sınır bulunmaktadır. Kullanıcının işaretlediği dikdörtgen görüntübölgesindeki gürültü bir Gauss süzgeci ile azaltılır. Bu görüntü bölgesi, prostatın farklı kısımlarını içeren dört altbölgeye ayrılır. Her bir bölge uyarlanır eşikleme ile ikili görüntüye dönüştürülür. Her bir ikili alt görüntüye ayrımorfolojik kapama ve açma işlemleri uygulanır. Sonra prostatın farklı kısımlarında, yerel bilgilere ve kriterleregöre prostatın sınırı olmaya aday kenar noktaları uyarlanır olarak bulunur. Kenar noktalarının seçimindepiksellerin belirli kalıplara uygun komşuluklar içerip içermediğine bakılır. Şartlara uygun ve birbirine yakın olannoktalar birleştirilir. Böylece önerilen bu yaklaşım ile prostat sınırının son durumu başarılı bir şekilde bulunur.Bu yöntem tek iterasyon kullandığı için, çok iterasyonla sonucu bulan biçimi değişebilen sınır modellerine göredaha hızlı çalışır. Tek iterasyonda sonuca ulaşmakla birlikte, sınırlar oldukça isabetli bulunabilmektedir.

🔖

Bu Makaleye Atıf Yap

BİLGE, H., VERİM, V. (2013). ULTRASON GÖRÜNTÜLERİNDE PROSTAT SINIRININ BULUNMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 22 - Sayı: 3, 0. https://ajindex.com/articles/21112

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Blake, A., Isard, M., “Active contours, the application of techniques from graphics, vision, control theory and statistics to visual tracking of shape in motion”, Springer-Verlag, New York, - Kass M., Witkin A., and Terzopoulos D., “Snakes: active contour models”, International Journal of Computer Vision, Cilt 1, No 4, 321-, 1988.
  2. Miller J. V., Breen D. E., Lorensen W. E., O'Bara R. M. and Wozny M. J., “Geometrically deformed models: a method for extracting closed geometrical models from volume data”, Computer Graphics, Cilt 25, No 4, 217-226, - Lobregt S. and Viergever M. A., “A discrete dynamic contour model”, IEEE Trans. Med. Imaging, Cilt 14, No 1, 12-24, 1995.
  3. Lefebvre, F., Berger, G., and Laugier, P., “Automatic detection of the boundary of the calcaneus from ultrasound parametric images using an active contour model”, IEEE Transactions on Medical Imaging, Cilt 17, No, 45–52, 1998.
  4. Gonzales, R. C., Woods, R. E., “Digital image processing”, 2nd ed., Prentice Hall, New Jersey, - Otsu, N., “Threshold selection method from graylevel histograms”, IEEE Transactions on Systems, Man and Cybernetics, Cilt 9, No 1, –66, 1979.
  5. Ramesh, N., Yoo, J.-H., Sethi, I. K., “Threshholding based on histogram approximation”, IEE Proceedings: Vision, Image and Signal Processing, Cilt 142, No 5, –279, 1995.
  6. Ladak H., Mao F., Wang Y., “Prostate boundary segmentation from 2D ultrasound images”, Med. Phys., Cilt 27, No 8, 1777-1788, 2000.
  7. Chiu B. C. Y., Freeman G. H., Salama M. M. A., Fenster A., Rizkalla K., Downey D. B., “A segmentation algorithm using dyadic wavelet transform and discrete dynamic contour”, IEEE Canadian Conference on Electrical and Computer Engineering (CCECE’03), Montreal, Canada, Cilt 3, 1481- 1484, 2003. Pathak D. S., “Computer-Aided segmentation of anatomical features in transrectal ultrasound prostate images”, Doktora Tezi, University of Washington, Bioengineering Department, USA, 2000.
  8. Hönigmann D., Ruisz J., Pottmann H., “Fast model based segmentation of ultrasound data using an active image”, Proceedings IEEE Intl. Symposium on Biomedical Imaging: Macro to Nano, Washington, 225-228, 2002.
  9. Shen S., Zhan Y. and Davatzikos C., “Segmentation of prostate boundaries from ultrasound images using statistical shape model”, IEEE Transaction on Medical Imaging, Cilt, No 4, 539-551, 2003.
  10. Chen D. R., Chang R. F., Wu W. J., Moon W. K. and Wu W. L., “3-D breast ultrasound segmentation using active contour model”, Ultrasound in Med.& Biol., Cilt 29, No 7, 1017-