全球研究计算机科学杂志》上
菜单石头:2229 - 371 x
石头:2229 - 371 x
Anamika Ahirwar
|
| 通讯作者:Anamika Ahirwar,电子邮件:aanamika77@gmail.com |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
随着医学领域的发展,自动化起着重要的作用。在医学领域,可视化和诊断、医学图像的分割扮演着重要的角色。摘要自动分割方法实现对大脑MRI基于自组织映射和神经模糊技术来计算先生的大脑图像的统计特征。在本文中,我们测试并比较两类,正常(正常老化- i)和癌(Glioma-FDG-PET-II)大脑图像先生从全脑图谱。
关键字 |
| 自组织映射(SOM)、模糊c、逆不同时刻(IDM),区域的平均灰度值(AGS)、地区(AR),重心的地区(CR)。 |
介绍 |
| 的一个主要原因导致儿童和成人死亡的增加是脑瘤。脑瘤(5、6)是一个在大脑细胞异常生长。它也被称为肿瘤这意味着“新形成”。可以是良性或恶性肿瘤即癌变或致命的。良性肿瘤是无害而恶性肿瘤是有害的。都需要治疗去除或降低它的大小。在良性肿瘤细胞在其中不松脱,蔓延全身。在恶性肿瘤细胞扩散如果不早期完全删除。其威胁程度取决于各种因素的结合就像肿瘤的类型,它的位置、大小和区域的发展。诊断取决于肿瘤的类型和位置。 In general, malignant tumors grow faster as compared to benign tumors. They are more expected to cause health problems. A tumor is a mass of tissue, grows out of the normal forces that regulates growth[2]. 80,271 people are affected absolutely by various types of tumor (2007 estimates) in India[11,4]. Brain tumors are not invariably fatal. There are more than 120 types of brain tumors[6]. |
| 大脑是完好的头骨,脑部肿瘤的早期检测发生在诊断工具是针对颅内腔。主要儿童脑部肿瘤通常位于颅后窝和前三分之二的成年人的大脑半球。然而他们可以影响大脑的任何部分。恶性神经胶质瘤是最常见的原发性肿瘤。最大的原发性脑瘤是神经胶质瘤。有几种神经胶质瘤:星形细胞瘤,脑干神经胶质瘤,少见和少突神经胶质瘤。本文从数据库中图片下载整个脑图谱由基思·a·约翰逊和j·亚历克斯·贝克尔[3]。转移到大脑是最害怕的并发症一般癌症和成人最常见的颅内肿瘤。脑转移的发生与增加耐力上升的癌症患者。大约有40%的颅内肿瘤是转移性[1]。 Fuzzy c-means technique is one of the most popular fuzzy clustering algorithms[7,9]. It tries to find the most unique point in each cluster, which can be considered as the “centroid” of the cluster and then, the grade of membership for each object in the clusters. For visualization and statistical analysis SOM is a very useful tool. For developing complex application we use SOM. The combination of self organizing map (SOM) and neuro fuzzy c-means algorithms are used in this paper for calculating the statistical features of the brain MR images. |
技术使用 |
| 自组织映射[8]是一种无监督聚类属性,包括组件称为节点或神经元。首先,基于灰度的像素是集群和空间特性,聚类过程的SOM网络来完成。聚类分割不同的地区。这些区域可以被视为分割结果保留一些语义。每个节点包含一个相应的权向量的维度。选择一个随机向量的每一步学习过程从最初的数据集,然后最优(最相似)神经元系数向量标识。选择最相似的赢家的输入向量。向量之间的距离以欧几里得度量。跟踪节点显示了最小距离和这个节点被称为最佳匹配单元。然后更新节点附近的BMU把他们接近的输入向量。 The result of neighborhood function is an initial cluster center (centroids) for fuzzy c-means algorithms. Fuzzy c-means is a clustering method which allows to finding the cluster center[12]. The membership matrix (U) is randomly initialized in order to accommodate the fuzzy partitioning technique. This iteration will stop when the difference of update membership matrix and membership matrix is less than the termination criterion and this termination criterion lies between 0 and 1. |
| 这种方法因此提供了一种可行的新解决方案的大脑核磁共振图像分割肿瘤检测。脑核磁共振图像被分割为灰质,白质和脑脊液。如果有异常图像中提取肿瘤的肿瘤区域和计算统计特性,能量、熵,逆不同时刻(IDM),相比之下,平均值和标准偏差(SD)旨在帮助放射科医生分析统计信息关于脑瘤给患者更好的治疗。 |
特性计算 |
| 脑核磁共振图像分为两类,正常和异常图像。如果图像有一些异常在该地区还有肿瘤的可能性。我们检查和提取ROI自动计算肿瘤区域的统计特征。脑部肿瘤的磁共振图像的分割是一项非常耗时的任务由医学专家。脑核磁共振图像的准确分割成不同的组织类,尤其是灰质(GM),白质(WM)和脑脊液(CSF)。总之我们可以说,细分确定感兴趣的区域(roi)在一个图像。分割过程简单地决定了图像中像素属于同一项目。 |
| 在本文中,我们展示实验结果癌细胞和正常的大脑核磁共振图像。提取肿瘤区域我们使用自组织映射和神经模糊技术。SOM的详细描述和神经模糊技术[10]中描述。 |
| 通过使用这些技术,我们提取肿瘤区域。提取这一地区后,我们计算一些统计特性。这些特性对比,能源、熵、逆不同时刻,平均值和标准偏差。和这些特性计算通过使用下面的公式得到。 |
 |
| 先生在本文中,我们把一个输入大脑的图像大小相同(256 * 256),那么子抽样这张照片切成2 * 2矩阵的大小。创建一个缓冲区B M存储信息(每个缓冲节点包含引用的M和六个向量即熵、能量,相反,是说,IDM,标准差。 |
| 然后创建一个自组织映射的大小150 * 150年代每个节点有相同的结构图像缓冲区b计算向量的每个M,屈折使用矩阵M。首先在屈折矩阵,计算灰度G的输入矩阵m .然后创建2 d屈矩阵G * G (CM)的大小,p = 1 = 1。如果M (p, q) =我和(p +Δx q +Δy) = j,那么其他屈矩阵的增量为1增加p和q的值。如果q的值小于2,增量coocurence矩阵由一个否则p小于2,增加屈矩阵。然后输入每个M B的节点如果M (i)的价值小于16384然后输入每个节点的其他输入每个缓冲区B[我]到自组织映射美国如果B的值(我)是小于16384然后存储到自组织映射美国终于自组织映射的大小150 * 150了。我们使用模糊聚类发现集群中心。后输入SOM和集群中心我们可以分类肿瘤在大脑核磁共振图像。SOM节点X |
 |
| 如果我的价值小于年代然后找到我和增量。否则计算类K = min (C[我])。如果我不小于类K包含肿瘤。 |
结果与讨论 |
| 我们已经测试了两类癌和正常大脑核磁共振的图像。在癌症类别我们已经测试了神经胶质瘤- FDG-PET-II测试图像和正常的大脑图像我们测试正常我类别。对正常的大脑图像先生我们的软件计算一些小异常区域的图像和计算值的地区都是负的,零或非常小的值,我们可以认为是微不足道的。在Glioma-FDG-PET-II总有18个图像和图像显示了肿瘤检测。我们的结果匹配准确率达到了100%。大脑核磁共振正常类别的我们测试正常我类别。在这一类有总51图像和图像显示绝对正常的结果,所以结果匹配的准确率为100%。为我们构建GUI自动检测大脑肿瘤的MRI计算肿瘤的性质。它还检查图像是否正常或肿瘤。我们发现图像的统计特性和肿瘤的先生这些大脑图像有助于医生更好地分析图像。 Results of these images are shown in Table I, Table II. |
结论 |
| 在本文中,我们使用SOM和模糊cmeans混合动力技术。我们使用这种混合动力技术找到图像的统计特性。从整个脑图谱数据库由基思·a·约翰逊和j·亚历克斯·贝克尔。从这个数据库我们两类大脑核磁共振正常和癌变。恶性脑MRI我们测试Glioma-FDG-PET-II类别。结果是100%的准确率。我们测试的正常的大脑核磁共振正常我和准确性为100%。我们计算图像的统计特性非常有助于医生更好地分析图像。它节省了医生的时间。多次他们可以看到结果,有利于准备案例研究的病人,他维护数据库,可以看到病人的进展时,他再次计算考虑到治疗后的属性。 |
 |
 |
引用 |
|