فایل ورد کامل ارزیابی الگوریتم های فیلترینگ دیسپکل برای تقسیم شدن تومورهای سینه با استفاده از تصاویر اولتراسوند

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 الگوریتم های فیلترینگ دیسپکل برای تقسیم شدن تومورهای سینه با استفاده از تصاویر اولتراسوند،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۵ صفحه

در این مقاله، تصاویر اولتراسوند سینه با الگوریتم های مختلف فیلترینگ دیسپکل برای تجزیه و تحلیل اثر دیسپکل کردن بر تقسیم توده های خوشخیم و بدخیم سینه با استفاده از تصاویر اولتراسوند پیش پردازش می شود. الگوریتم های فیلترینگ دیسپکل به طور کلی به هشت دسته تقسیم می شوند، از جمله فیلترهای مبتنی بر آمار موضعی، فیلترهای فازی، فیلترهای فوریه، فیلترهای چند مقیاسی، فیلترهای تکراری غیر خطی، فیلترهای تنوع کلی، فیلترهای متوسط غیر موضعی و فیلترهای هیبریدی. کلُ ۱۰۰ تصویر اولتراسوند سینه (۴۰ خوش خیم و ۶۰ بدخیم) با استفاده از ۴۲ الگوریتم فیلتر کردن دیسپکل پردازش شدند. یک فیلتر دیسپکل شده، مناسب در نظر گرفته می شود اگر کناره ها و ویژگی ها / ساختارهای تصویر را حفظ کند. قابلیت حفظ کناره ها برای یک فیلتر دیسپکل توسط معیار بتا () و قابلیت حفظ ویژگی / ساختار با استفاده از شاخص کیفیت تصویر (IQI) اندازه گیری می شود. مشاهده شد که از ۴۲ فیلتر، شش فیلتر به نام های لی سیگما، FI، FB، HFB، BayesShrink و DPAD تصاویر بالینی قابل قبول تری از لحاظ حفظ کناره و ویژگی / ساختار تولید کردند. ارزیابی کیفی این تصاویر بر اساس نمرات ارائه شده توسط رادیولوژیست با تجربه شرکت کننده، انجام شده است. سپس تصاویر پیش پردازش شده به یک ماژول تقسیم بندی برای تقسیم شدن تومورهای خوش خیم یا بدخیم با کمک تصاویر اولتراسوند، وارد شدند. ارزیابی عملکرد الگوریتم تقسیم بندی به صورت کمّی با استفاده از شاخص ژاکارت انجام شده است. نتایج هر دو ارزیابی کمّی و کیفی توسط رادیولوژیست نشان می دهد که الگوریتم فیلترینگ دسپیکل DPAD تصاویر بالینی قابل قبول تری را ارائه می دهد و منجر به تقسیم بهتر تومورهای خوش خیم و بدخیمِ حاصل از تصاویر اوتراسوند می شود.

عنوان انگلیسی:

Assessment of despeckle filtering algorithms for segmentation of breast tumours from ultrasound images

~~en~~ writers :

Kriti , Jitendra Virmani , Ravinder Agarwal

In the present work, the breast ultrasound images are pre-processed with various despeckle
filtering algorithms to analyze the effect of despeckling on segmentation of benign and
malignant breast tumours from ultrasound images. The despeckle
filtering algorithms are
broadly classified into eight categories namely local statistics based
filters, fuzzy
filters, Fourier
filters, multiscale
filters, non-linear iterative
filters, total variation
filters, non-local mean
filters
and hybrid
filters. Total 100 breast ultrasound images (40 benign and 60 malignant) are
processed using 42 despeckle
filtering algorithms. A despeckling
filter is considered to be
appropriate if it preserves edges and features/structures of the image. Edge preservation
capability of a despeckling
filter is measured by beta metric (b) and feature/structure preservation
capability is quantified using image quality index (IQI). It is observed that out of 42
filters, six
filters namely Lee Sigma, FI, FB, HFB, BayesShrink and DPAD yield more clinically acceptable
images in terms of edge and feature/structure preservation. The qualitative assessment of these
images has been done on the basis of grades provided by the participating experienced
radiologist. The pre-processed images are then fed to a segmentation module for segmenting
the benign or malignant tumours from ultrasound images. The performance assessment of
segmentation algorithm has been done quantitatively using the Jaccard index. The results of
both quantitative and qualitative assessment by the radiologist indicate that the DPAD despeckle
filtering algorithm yields more clinically acceptable images and results in better segmentation
of benign and malignant tumours from breast ultrasound images.

$$en!!