فایل ورد کامل ارزیابی Means-K و بخش بندی تصاویر IMR از مغز و فازی means-C

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل ارزیابی Means-K و بخش بندی تصاویر IMR از مغز و فازی means-C،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۸ صفحه

این مقاله کیفیت فازی means-C و بخش بندی Means-K مقایسه می کند ، و تصاویرIMR پیچیده از تومور مغزراباهیستوگرام اولیه مشخص میکند.دقت دربخش بندی به طورجداگانه بستگی به توانایی دکتربرای تشخیص طبقات مختلف بافت دارد . از این رو ، یک پیش نیاز جدی برای ارزیابی توانایی قبل ازبخش بندی تصاویرپزشکی وجود دارد . این مقاله توانایی FCM و Means-K بخش بندی خاکستری ماده(GM) ،ماده سفید(WM)،مایع مغزی-نخاعی (CSF) ، نکروزی گلیوبلاستمامولتی (GBM) ،ورم ازوژنیک،کنتراست۱Tکه محورهم سطح تصاویر ورم MR تومور است را ارزیابی می کند . آزمایش نشان می دهدکهFCMازوژنیک وماده سفیدبه عنوان یک بافت و ماده به طور مشابه به رنگ خاکستری و نکروتیک شناسایی می شوند Means-Kقادربه تشخیص مناطق است که نسبت به FCM بهتر تشخیص می دهد . FCM تنها ۳ بافت را شناسایی می کند در حالی که ، Means-K تمام ۶ بافت را شناسایی می کند . ارزیابی تجربی Means-K و FCM ، با هیستوگرام در نرم افزار متلب انجام می شود .

کلید واژه ها: مولتی گلیوبلاستوما | تمرکز نکروتیک | ادم وازوژنیک | فیلتر دو طرفه | کنتراست تطبیقی محدود | برابری هیستوگرام

عنوان انگلیسی:

Evaluation of k-Means and fuzzy C-means segmentation on MR images of brain

~~en~~ writers :

S. Madhukumar , N. Santhiyakumari

This paper does the qualitative comparison of Fuzzy C-means (FCM) and k-Means
segmentation, with histogram guided initialization, on tumor edema complex MR images. The
accuracy of any segmentation scheme depends on its ability to distinguish different tissue classes,
separately. Hence, there is a serious pre-requisite to evaluate this ability before employing the
segmentation scheme on medical images. This paper evaluates the ability of FCM and k-Means
to segment Gray Matter (GM), White Matter (WM), Cerebro-Spinal Fluid (CSF), Necrotic
Focus of Glioblastoma Multiforme (GBM) and the perifocal vasogenic edema from pre-processed
T1 contrast axial plane MR images of tumor edema complex. The experiment reveals that FCM
identifies the vasogenic edema and the white matter as a single tissue class and similarly gray matter
and necrotic focus, also. k-Means is able to characterize these regions comparatively better than
FCM. FCM identifies only three tissue classes whereas; k-Means identifies all the six classes. The
experimental evaluation of k-Means and FCM, with histogram guided initialization is performed
in Matlab.

KEYWORDS: Glioblastoma multiforme | Necrotic focus | Vasogenic edema | Bilateral filter | Contrast limited adaptive | histogram equilization

$$en!!