ترجمه تطبیق ساختارهای درختی برای ثبت تصاویر پزشکی

توضیحات

 عنوان فارسی: تطبیق ساختارهای درختی برای ثبت تصاویر پزشکی

عنوان انگلیسی مقاله ترجمه شده:

Matching of Tree Structures for Registration of Medical Images

تطبیق ساختارهای درختی برای ثبت تصاویر پزشکی

چکیده: بسیاری از کاربردهای پزشکی نیازمند ثبت تصاویر مختلف از اندام یکسانی هستند. در بسیاری از موارد، چنین ثبتی به واسطه­ی قرار دادن علائم مشخصه به صورتی دستی در تصاویر انجام می­گیرند. در این مقاله، ما روشی را پیشنهاد می­دهیم که قادر به یافتن علائم مشخصه­ی مستدل به صورت خودکار است. به منظور دستیابی به این هدف، گره­هایی از سیستم­های عروقی که از تصاویر توسط الگوریتم قطعه­بندی (تقطیع) بیرون کشیده شده­اند، توسط روش گراف رابط اختصاص داده می­شوند و مختصات این گره­های انطباق داده شده به عنوان علائم مشخصه برای یک الگوریتم ثبت غیر صلب مورد استفاده قرار می­گیرند.

1- مقدمه

روش­های تصویر برداری همچون پرتونگاری مقطعی محاسبه­ی(CT) و تصویر برداری رزونانس مغناطیسی(MRI) قادر به فراهم آوردن تصاویر دیجیتال سه بعدی از اندام­هایی همانند کبد و ریه هستند. در بسیاری از کاربردهای پزشکی، فراهم نمودن تصاویر مختلف کاربردی از یک اندام مطلوب می­باشد. به عنوان مثال، منطقی به نظر     می­رسد اگر ریه در حالت دم و بازدم مورد معاینه قرار گیرد یا اگر تصاویر CT و همچنین MRI از اندام یکسانی وجود داشته باشند. کاربرد احتمالی دیگر نظارت بر یک اندام در مدت زمان طولانی توسط اسکن منظم اندام است.

      به دلیل تنفس، ضربان قلب و غیره، این احتمال وجود دارد که موقعیت و شکل یک اندام به طور قابل ملاحظه­­ای در بین دو اسکن تفاوت کند. این امر، تشخیص مناطق در تصاویر که بخش یکسانی از اندام را نشان می­دهند، دشوار می­سازد. چنین نگاشتی میان تصاویر مختلف یک اندام ثبت نامیده می­شود. بر طبق هیل]1[ ثبت، فرآیند تبدیل مجموعه داده­های تصاویر مختلف به یک سیستم مختصاتی است.

      به منظور فراهم کردن یک ثبت خودکار از مجموعه­های داده­ی تصویر، به کارگیری ویژگی­های       اندام­هایی که نسبت به تنفس، ضربان قلب….. ثابت باقی می­مانند، ضروری و لازم است. سیستم عروقی اندام­ها یک احتمال برای چنین ویژگی پایا و ثابتی است. موقعیت و گسترش این سیستم­های عروقی ممکن است تغییر کند اما ساختار آن­ها ثابت(تقریبا) باقی می­ماند. شناسایی نواحی متناظر این ساختارها اطلاعات ساختاری را به همراه دارد که ثبت مجموعه­های داده تصویر را سهولت می­بخشند. سیستم­های عروقی کبد و ریه(به عنوان مثال: سیاهرگ دروازه­ای کبدی و نایژه­ای)، درخت­هایی هستند که از این رو، اعمال روش­های تشخیص الگوی ساختاری به مسئله­ی ساختارهای درختی تطبیقی را امکان­پذیر       می­سازند.

2-آخرین پیشرفت­های روز

رویکردهای مختلفی برای تطبیق ساختارهای درختی وجود دارند. ما به طور مختصر به چهار رویکرد از آن­ها می­پردازیم:

      پلیلو و همکارانش]2، 3[ از گراف رابط برای تشخیص ایزومورفیسم( همریختی) زیر درخت­های حداکثر درخت­های ریشه­دار و آزاد استفاده کردند. تخصیص­های احتمالی گره­های درخت به صورت گره­هایی از گراف رابط نشان داده می­شوند. دو گره از گراف رابط به واسطه­ی یک لبه به هم متصل می­شوند اگر تخصیص­های متناظر سازگار باشند. دو تخصیص وقتی سازگار در نظر گرفته می­شود که ارتباط توپولوژیکی بین دو گره­ی در گیر در هر دو درخت، یکسان و برابر باشند. تعریف این ارتباط توپولوژیکی برای تطبیق درخت­های ریشه­دار و آزاد تفاوت می­کند، برای درختان آزاد آن دقیقا فاصله­ی توپولوژیکی دو گره است در حالی که برای درختان ریشه­دار، تفاوت سطوح گره­ها نیز باید یکسان باشد. در گراف رابط استخراج شده یک دسته­ی حداکثری توسط اعمال پویایی یکنواخت پاداش از نظریه­ی بازی تکامل یافته بر فرمولاسیون پیوسته­ی مسئله­ی بدست آمده توسط تئوری موتزکین – استراوس، مشخص     می­گردد]4[.

      بارتولی و همکارانش]5[ و پلیلو و همکارانش]6[ یک سطحی از رویکرد گراف رابط را برای دستیابی به تطبیق­های چند به یک و چند به چند درخت­های اختصاصی پیشنهاد کردند. تطبیق چند به چند به این معنی است که گروهی از گره­ها را می­توان به یک گره­ی منفرد در درخت دیگر تخصیص داد در حالی که تطبیق چند به چند به معنی این است که این ارتباط تنها در یک جهت صدق می­کند. دومی برای وقتی مناسب است که تطبیق یک درخت به یک مدل انجام می­شود. برای هدف تطبیق چند به چند، هر گره با مقدار  رتبه­بندی می­شود که تنها بر ویژگی­های آن بستگی دارد. گروهی از گره­ها را می­توان ادغام کرد اگر رتبه­بندی­های همگی آن­ها به جز یکی پایین­تر از یک آستانه­ی معین باشند.

      تیسرن و همکارانش]7[ یک روش را برای تطبیق درختان مجرای تنفسی انسان پیشنهاد کردند. آن­ها در ابتدا یک مرحله­ی هرس را بر درختان اجرا کردند تا سازگاری و متعاقب آن یک ثبت صلب را بهبود بخشند تا درختان را در یک سیستم مختصات یکسان نگاشت کنند. پس از آن،یک رویکرد سلسله مراتبی با استفاده از گراف رابط به مجموعه داده اعمال می­شود تا تطبیق حاصل شود. در حالی که این رویکرد عملکرد خوبی برای برخی از درختان ورودی دارد اما دو اشکال عمده در آن وجود دارد: این روش نیازمند روش­های قوی تشخیص نقاط انشعاب اصلی در درختان است و به پایایی(تغییرناپذیری) فاصله­ی توپولوژیکی بستگی دارد. اولی در درختان مجاری تنفسی امکان­پذیر است اما در سیستم­های عروقی کبد دشوار است. دومی نسبت به تقطیع اشتباه ناشی از نویز حساس می­باشد(شکل 1).

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.