پديد آورنده :
نصراصفهاني، مينا
عنوان :
بخشبندي بطن چپ در تصاوير امآرآي قلب
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
هوش مصنوعي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
هشت، ۱۰۱ص.: مصور، جدول، نمودار
استاد راهنما :
نادر كريمي
استاد مشاور :
شادرخ سماوي
توصيفگر ها :
بيماريهاي قلبي و عروقي , بخشبندي تصاوير پزشكي , شبكههاي عصبي عميق , بخشبندي بطن چپ , بخشبندي تصاوير امآرآي , تطبيق بلوك , رديابي بطن چپ
تاريخ ورود اطلاعات :
1397/06/10
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
4 چكيده بيماريهاي قلبي و عروقي يكي از اصلللليترين داليل مرگومير در جهان اسلللت از اين رو پيشگيري تشلللخيص و درمان اين دسلللته از بيماري ها نقش حياتي جهت كاهش مرگومير و عوارض ناشلللي از اين بيماريها دارد در اين زمينه بخشبندي بطن چپ در تصلللاوير MRI قلب يك مو ضوع چالشبرانگيز ا ست اين چالش به دليل متفاوت بودن سطح رو شنايي بطن چپ در ت صاوير مختلف ا ست كه به دليل جريان خون در آن اسلللت عالوه بر اين گاهي لبهي مربوط به ديوارهي ماهيچهاي بطن چپ به دليل چسلللبيدن ماهيچههاي پاپيالري به اين ديواره محو شده ا ست بخشبندي بطن چپ در يك دنباله از ت صاوير MRI براي برر سي پارامترهاي قلب از جمله ميزان پمپاژ خون و ضخامت ديوارهي قلب كه ميزان سالمت قلب را نشان ميدهد امري ضروري است بخشبندي دستي اين تصاوير كاري زمانبر و مستعد خطا ا ست از اين رو رو شي اتوماتيك يا نيمهاتوماتيك كه بتواند با دقت ن سبتا خوبي بطن چپ را بخشبندي كند يك مو ضوع مطرح در زمينهي پردازش تصلوير اسلت روشهايي كه تاكنون به منظور بخشبندي اين قسلمت مطرح شلدهاند عمدتا با اسلتفاده از دانش پيشلين از جمله شللكل بطن چپ دخالت كاربر در تعيين محدودهي بطن و يا اطالعات آناتومي مربوط به سللاختار قلب بوده اسللت در اين پاياننامه روشهاي موجود بر ا ساس ا ستفاده از نوع دانش پي شين د ستهبندي شدها ست در پاياننامهي پيش رو دو روش جهت بخشبندي بطن چپ در ت صاوير MRI پي شنهاد شده ا ست روش اول با ا ستفاده از افزونگيهاي زماني موجود در ت صاوير MRI به رديابي بطن در يك دنباله از تصللاوير كه شللامل يك چرخه از قلب اسللت ميپردازد اين رديابي با اسللتفاده از الگوريتم تطبيق بلوك كه يكي از الگوريتمهاي مطرح در زمينهي فشرده سازي تصاوير است انجام شده است براي اين منظور سه تابع هزينهي مختلف پيشنهاد شده است و نتايج حاصل از آنها با ساير روشهاي بررسي شده در اين زمينه مقايسه شده است اين روش از برخي روشهاي موجود كه اخيرا در اين زمينه ارائه شده ا ست نتيجهي بهتري توليد كرده ا ست در روش دوم بخشبندي بطن چپ با ا ستفاده از راهكارهاي يادگيري مبتني بر شبكههاي ع صبي عميق انجام شده است شبكهي عصبي استفاده شده در اين بخش يك شبكهي عصبي كانوولوشني عميق است كه از اليههاي كانوولوشن رأيگيري و معكوس كانوولوشللن تشللكيل شللدهاس لت در اين روش برخي از موارد تأثيرگذار از جمله ابعاد تصللوير ورودي نرمالسللازي خروجي هر اليه از شبكه و متعادل كردن تعداد پيك سلهاي هدف و غيرهدف برر سي شده ا ست نتايج به د ست آمده از شبيه سازيهاي انجام شده نشاندهندهي برتري روش پيشنهادي در مقايسه با برخي از روشهاي مقايسه شده ميباشد كلمات كليدي 1 بيماريهاي قلبي و عروقي 2 بخشبندي تصللاوير پزشللكي ۳ شللبكههاي عصللبي عميق 4 بخشبندي بطن چپ 5 بخشبندي تصاوير امآرآي 6 تطبيق بلوك ۷ رديابي بطن چپ
چكيده انگليسي :
1۰۰ Left ventricle segmentation in Heart MRI Images Mina Nasr Esfahani Mina nasr@ec iut ac ir Date of Submission 2018 03 30 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor N Karimi Dr nader karimi@cc iut ac ir Advisor S Samavi Prof samavi96@cc iut ac irAbstract The health of the heart is a crucial issue in human s health and the cardiovascular diseasecan be diagnoses by several imaging methods Magnetic resonance is one of the popularmethods in cardiovascular imaging and the segmentation of left ventricle is important fordiagnosing such diseases in magnetic resonance images There are challenges for this task including the similarity of shape and intensity of left ventricle comparing other organs in theimage inaccurate boundaries and presence of noise in most of the images There existnumerous segmentation methods which could be categorized based on using the priorinformation In chapter three we propose a semi automated segmentation method whichtracks the left ventricle in a cardiac cycle It works based on a proposed cost function andsearch area The advantage of this method is its independency of any training phase and hasappropriate output for most of cardiac magnetic resonance images in temporal space Wepropose an automated method for segmenting the left ventricle in cardiac MR images First we automatically extract the region of interest and then employ it as an input to a fullyconvolutional network We accurately trained the network despite the small amount oftraining data and also left ventricle pixels in comparison with the whole image Athresholding is applied on the output map of the fully convolutional network and selectionof regions based on their roundness is performed in our proposed post processing phase These methods are evaluated by dice metric and achieve to 86 84 for the first methodand 87 24 for the second method on the heart dataset of York University Keywords Segmentation left ventricle segmentation MRI segmentation LV segmentation in MRI block matching tracking deep learning
استاد راهنما :
نادر كريمي
استاد مشاور :
شادرخ سماوي
