2025 : 9 : 29

Masoud Baghelani

Academic rank: Associate Professor
ORCID:
Education: PhD.
ScopusId:
HIndex:
Faculty: Engineering
Address:
Phone:

Research

Title
Segmentation of MS lesions in MR images using N3 method
Type
Presentation
Keywords
MRI,MS,N3
Year
2017
Researchers Masoud Baghelani

Abstract

اسکلروز چند‌گانه (ام اس) یک بیماری التهابی، مزمن، ماندگار و مخرب سیستم مرکزی عصبی می‌باشد که علت آن هنوز مشخص نیست اما به احتمال زیاد می‌تواند ناشی از واکنش یک سری عوامل ناشناخته محیطی با ژنهای حساس باشد. (Magnetic Resonance Imaging) MRI یک مدل بالفعل در مطالعات تصویربرداری عصبی است که منجر به کنتراست بهتر تصویر در بافت نرم می‌شود. به علت مشخص نبودن علت بیماری ام اس و عدم درمان قطعی شخیص زودهنگام این بیماری حائز اهمیت است. جهت تشخیص پلاکهای ام اس از قطعه بندی تصاویر ام آر آی استفاده می‌شود. تصاویر ام آر آی دارای خطای تصویر که اغلب غیریکنواختی شدت نور تصویر نامیده می شود می باشند. روش‌های مختلفی برای تصحیح غیریکنواختی تصاویر وجود دارد که یکی از آنها روشN3 (Nonparametric Nonuniform intensity Normalization) می‌باشد. روشN3 به عنوان یک روش شارپ کردن هیستوگرام می‌باشد و مزیت آن عدم نیاز دانش اولیه در مورد ورودی ام آر آی می‌باشد. هدف این مقاله یافتن و کاهش اثر میدان بایاس بر روی تصویر با استفاده ازالگوریتم N3 و اثر پارامتر سن می‌باشد که بعد از اعمال الگوریتم N3 بر روی تصاویر و حذف اثر میدان بایاس و سپس اعمال الگوریتم های خوشه بندی ، PCAوSVM نرخ روش مذکور به 93.28 درصد رسید که در مقایسه با روشهای قبلی 3.78 درصد بهبود را نشان می دهد.