بهبود استاندارد‌سازی تصاویر تشدید مغناطیسی مغز انسان با استفاده از اطلاعات مبتنی بر چند روش آماری

در این مقاله، استاندارد‌سازی تصاویر MRI مغز انسان با اعمال چندین روش آماری مد نظر است که هدف بعد از مرحله استاندارد سازی با حذف نقاط تار و سیاه نویز، مرز نواحی تومور و بخش‌های مختلف مغز و مایع مغزی با وضوح بیشتر نمایش داده خواهد شد که میتوان به سه بخش سفید و خاکستری و مایع مغزی تقسیم بندی کرد. هنگامی‌که یک پروتکل استاندارد در دسترس باشد، روش استاندارد‌سازی و ناحیه‌بندی مبتنی بر روش‌های ترکیبی یکی از مناسب‌ترین ابزارها برای ناحیه بندی تصاویر پزشکی محسوب می‌شود. این روش علیرغم دقت بالایی که دارد، به‌دلیل بالا بودن حجم محاسبات، زمان بر و طولانی است. روش های مبتنی بر مفاهیم آماری به ترتیب مد، میانه و میانگین می‌باشند که جهت اعمال بر روی داده‌های موجود از تصاویر MRI مغز انسان در بیماران مختلف، پردازش بسیار ساده و صریح دارند. همچنین روش کرانه‌ای، دهک و صدک با مفاهیم ساده برای استخراج نقاط عطف از داده‌های موجود استفاده می‌شوند. نتایج استاندارد‌سازی تصاویر مغزی به‌دست‌آمده می تواند به کمک پردازش‌های بعدی در تحلیل آناتومی و یا تشخیص بیماری‌ها و آسیب‌های مغزی مورد استفاده قرار گیرد. برای ارزیابی عملکرد این مقاله ابتدا طرح به صورت سیستمی در نرم‌افزار متلب شبیه‌‌سازی و سپس برای استانداردسازی و مقایسه با تصاویر قبل از مرحلة استاندارد‌سازی، از نرم‌افزاری به نام یوونتی 8 برای استخراج و نمایش لایه‌های خاکستری رنگ استفاده می‌شود. نتایج حاصل از پردازش این مقاله، به صورت بصری از تصاویر استاندارد شده و تحلیل آماری خطا و ضریب تغییرات به‌دست‌آمده و در نهایت در مرحلة مقایسه کارآمدترین روش استخراج می‌شود.

In this paper, standardization of human brain MRI images is performed by applying several statistical methods The goal will be more clearly displayed after the standardization phase by removing the blurry and black noise spots, the border of the tumor areas and the different parts of the brain and cerebral fluid, which can be divided into three sections: white, gray and cerebral fluid. When a standard protocol is available, hybridization-based standardization and segmentation methods are one of the most appropriate tools for medical image segmentation. This method, despite its high accuracy, is time consuming and lengthy due to the high volume of computing. Methods based on statistical concepts are fashion, median, and mean, respectively, which are simple and explicit processing to apply to existing data from human brain MRI images. Boundary, decimal, and percentile methods are also used with simple concepts to extract milestones from existing data. To evaluate the performance of this paper, the scheme is first systematically simulated in MATLAB software, and then, for the area of comparison and comparison with the pre-standardization images, a software term Uvneti 8 was used to extract the gray layer. The results of the processing of this paper are visualized from standard images and statistical analysis of error and coefficient of variation are obtained and finally the most efficient method is extracted.

ناحیه‌بندی مغز ، روش های مبتنی بر مفاهیم آماری ، MRI

Magnetic Resonance Imaging ، Brain zoning ، Statistical concepts-based methods