Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/48953
標題: A MRI Seqmentation Method Based on Neuro Fuzzy Classifier
類神經模糊分類器於MRI醫學影像分割之應用
作者: 莊普安
關鍵字: 應用研究
資訊科學軟體
摘要: 核磁共振造影(Magnetic Resonance Imaging)因為沒有游離輻射之顧慮而且又可以得到高軟組織對比影像,所以MRI 成為目前醫學影像的重要工具。MRI 於21 世紀之發展將朝向增進病人的舒適性而改進,新一代的短通道MR,既能使用高磁場又能減少病人的壓迫感,使MRI 在使用上更容易為病患所接受。功能性MRI 的限制就少了許多,不但掃描時間短,也沒有非密封射源污染之問題。另MRI 技術之研發如磁振胰管膽道攝影、磁振腎盂攝影、磁振血管攝影及磁振脊髓攝影 (MR myelography) 已開始漸漸取代傳統較侵襲性的檢查,由此就可看出MRI 在於未來醫學造影的重要性。本次研究計畫主要利用腦部 MRI 影像資料,來推測腦葉血液注滿的大小,進而判斷腦栓塞發生地方,藉由影像分析可輔助醫師作臨床上診斷,提高診斷率,並使診斷更有效率。利用MRI 影像來評估腦葉血流分布,使讀者更容易看出血流分布情形。藉由腦葉血流分部的圖,可推測腦葉血流量的分佈;可用來診斷腦栓塞的發生及其影響的範圍,並可作為療程的監控。本研究,我們將提出一個全新的更為精準的演算法(Variational algorithm),這種演算法主要以區域為基礎(region-based)而並非以邊緣為基礎(edge-based),而且使用以區域為基礎的演算法,可以避免掉任何局部計算時遇到雜訊敏感的區域,這樣的偵測更貼近待測物。另外,以邊緣為基礎的演算法,一旦遇到影像邊界有無法相對應較大梯度的區域就會失敗,因此我們所使用的以區域為基礎的演算法就可避免如此的錯誤。一般的影像分割容易因為雜訊而產生錯誤,而我們所提出的方法在於高度雜訊的環境下,可以精確的將區域分割出來,對於MRI 不易判斷的影像是醫學影像上重大的突破。
URI: http://hdl.handle.net/11455/48953
其他識別: NSC98-2221-E005-090
文章連結: http://grbsearch.stpi.narl.org.tw/GRB/result.jsp?id=1910576&plan_no=NSC98-2221-E005-090&plan_year=98&projkey=PB9808-0481&target=plan&highStr=*&check=0&pnchDesc=%E9%A1%9E%E7%A5%9E%E7%B6%93%E6%A8%A1%E7%B3%8A%E5%88%86%E9%A1%9E%E5%99%A8%E6%96%BCMRI%E9%86%AB%E5%AD%B8%E5%BD%B1%E5%83%8F%E5%88%86%E5%89%B2%E4%B9%8B%E6%87%89%E7%94%A8
Appears in Collections:電機工程學系所

文件中的檔案:

取得全文請前往華藝線上圖書館



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.