تحقیق روش های قطعه بندی تصاویر شکستگی استخوان به کمک پردازش تصویر

عنوان پروژه:تحقیق روش های قطعه بندی تصاویر شکستگی استخوان به کمک پردازش تصویر
تعداد صفحات:20
تعداد اسلاید:20
فرمت: ورد و پاورپوینت
منابع: دارد
پس از خرید محصول، بلافاصله فایل ورد و پاورپوینت تحقیق روش های قطعه بندی تصاویر شکستگی استخوان به کمک پردازش تصویر برای شما ایمیل خواهد شد.

توضیحات

تحقیق روش های قطعه بندی تصاویر شکستگی استخوان به کمک پردازش تصویر

شناسایی محل دقیق ناحیه شکستگی استخوان به عنوان یکی از موارد بسیار اساسی در علم پزشکی محسوب میگردد. برای نیل به این هدف استفاده از روشهای سنتی و پزشک همیشه به عنوان اولین و در دسترسترین راه مورد بررسی قرار گرفته است. اما این روش علاوه بر اینکه ممکن است از آن دقت کافی برخوردار نبوده و در پارهای از موارد اشتباهاتی در تشخیص وجود داشته باشد، ممکن است دسترسی به پزشک نیز به سادگی در مواردی امکانپذیر نباشد که این موضوع اهمیت شناسایی به روشهای هوشمند را بیش از پیش مشخص مینماید.

برای این موارد استفاده از روشهای مختلف در حوزه هوش مصنوعی[1]، پردازش تصویر[2] و یادگیری ماشین[3] اخیراً به‌کرات مورد بررسی و استفاده قرار گرفته است که بتوان به وسیله الگوریتمها و روشهای هوشمند، جایگزینی مناسب برای پزشک مربوطه در ابتدا پیدا کرد و پس از تشخیص ناحیه شکستگی، از خدمات پزشکی مورد نیاز بهره گرفت.

در این گزارش سعی بر آن داریم که مروری بر تعدادی از روشهای پرکاربرد در حوزه شناسایی ناحیه شکستگی استخوان داشته باشیم و برای درک بهتر الگوریتمها و روشهای بکار رفته در این حوزه، به بررسی دقیقتر پارهای از این متدها خواهیم پرداخت.

…

فهرست مطالب تحقیق روش های قطعه بندی تصاویر شکستگی استخوان به کمک پردازش تصویر

مقدمه. 4
روشهای لبه یابی به منظور شناسایی شکستگی در استخوان.. 5
شناسایی شکستگی استخوان با استفاده از قطعه بندی به روش کانتور فعال.. 9
شناسایی ناحیه شکستگی استخوان با استفاده از ترکیب کلاسبندها 12
ارتقای کیفیت دیداری ترک در تصاویر رادیوگرافی مربوط به شکستگی استخوان.. 14
نتیجه گیری.. 18
مراجع 19

منابع تحقیق روش های قطعه بندی تصاویر شکستگی استخوان به کمک پردازش تصویر

Kotsia, Irene, and Ioannis Pitas. “Facial expression recognition in image sequences using geometric deformation features and support vector machines.” IEEE transactions on image processing1 (2007): 172-187.
Chucherd, Sirikan. “Edge detection of medical image processing using vector field analysis.” Computer Science and Software Engineering (JCSSE), 2014 11th International Joint Conference on. IEEE, 2014.
Tian, Dan, Jingfei Wu, and Yajie Yang. “A fractional-order edge detection operator for medical image structure feature extraction.” Control and Decision Conference (2014 CCDC), The 26th Chinese. IEEE, 2014.
Gao, Wenshuo, et al. “An improved Sobel edge detection.” Computer Science and Information Technology (ICCSIT), 2010 3rd IEEE International Conference on. Vol. 5. IEEE, 2010.
Sobel, Irvin. “An isotropic 3× 3 image gradient operator.” Machine vision for three-dimensional scenes(1990): 376-379.
Maini, Raman, and Himanshu Aggarwal. “Study and comparison of various image edge detection techniques.” International journal of image processing (IJIP)1 (2009): 1-11.
Laishram, Romesh, et al. “A novel MRI brain edge detection using PSOFCM segmentation and canny algorithm.” Electronic Systems, Signal Processing and Computing Technologies (ICESC), 2014 International Conference on. IEEE, 2014.
Joshi, M. U., and S. T. Gandhe. “Bone fracture detection using active contour segmentation.” International Journal of Applied Engineering Research6 (2016): 4230-4234.
Jin, Xuejing, et al. “Detection of small lesions in medical x-ray image based on multi-scale fractal feature.” Biomedical Engineering and Informatics, 2009. BMEI’09. 2nd International Conference on. IEEE, 2009.
Tie-Rui, Song, and Zheng Wei. “The research of X-ray bone fracture image enhancement algorithms.” Computer, Mechatronics, Control and Electronic Engineering (CMCE), 2010 International Conference on. Vol. 5. IEEE, 2010.
Umadevi, N., and S. N. Geethalakshmi. “Enhanced Segmentation Method for bone structure and diaphysis extraction from x-ray images.” International Journal of Computer Applications3 (2012): 30-36.
Mahendran, S. K., and S. Santhosh Baboo. “Enhanced automatic X-ray bone image segmentation using wavelets and morphological operators.” International Conference on Information and Electronics Engineering. Vol. 6. 2011.
Lum, Vineta Lai Fun, et al. “Combining classifiers for bone fracture detection in X-ray images.” Image Processing, 2005. ICIP 2005. IEEE International Conference on. Vol. 1. IEEE, 2005.
Lim, Sher Ee, et al. “Detection of femur and radius fractures in x-ray images.” 2nd Int. Conf. on Advances in Medical Signal and Info. Proc. Vol. 65. 2004.
Yap, Dennis Wen-Hsiang, et al. “Detecting femur fractures by texture analysis of trabeculae.” Pattern Recognition, 2004. ICPR 2004. Proceedings of the 17th International Conference on. Vol. 3. IEEE, 2004.
Jones, Douglas L., and Thomas W. Parks. “A resolution comparison of several time-frequency representations.” IEEE Transactions on Signal Processing 40.2 (1992): 413-420.