跳到主要內容

臺灣博碩士論文加值系統

(35.172.223.30) 您好!臺灣時間:2021/07/25 12:25
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:宋威廷
研究生(外文):Wei-Ting Sung
論文名稱:類神經網路與隱藏式馬可夫隨機領域模型於腦部核磁共振影像分割之研究
論文名稱(外文):On the Segmentation of Brain MR Images using Neural Network and Hidden Markov Random Field Model
指導教授:陶金旭
學位類別:碩士
校院名稱:國立中興大學
系所名稱:通訊工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:54
中文關鍵詞:核磁共振造影類神經網路隱藏式馬可夫隨機領域模型
外文關鍵詞:MR imagesNeural Networkhidden Markov random field model
相關次數:
  • 被引用被引用:0
  • 點閱點閱:162
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
腦部組織的切割不僅對腦部核磁共振造影的分析是有價值的,在醫學臨床的診斷和疾病的預防上也是有廣大的應用。在此篇論文中,我們首先將腦部核磁共振造影經過一個擷取顱內組織的前處理,然後經由類神經網路獲得初始分割。然而類神經網路並沒有考慮到鄰近區域的資訊,這會造成類神經網路只有在雜訊程度較低的情況下才有較好的分割結果。所以我們在類神經網路的初始分割過後,再進行了隱藏式馬可夫隨機領域的分類。最後,我們結合了T1向量、T2向量和PD向量三種不同分類結果的資訊獲得最終的分類。
The segmentation of the various brain tissues is very valuable in the analysis of brain MR images, and it has a wide range of applications such as clinical analysis and visual inspection. In this thesis, we first use a pre-processing technique, called skull-stripping, and then we acquire an initial segmentation of a brain MR image through a neural network. Since the neural network does not consider the information of the neighborhood, the neural network can only work well on images with low levels of noise. So we use the hidden Markov random field to classify brain MR images after the initial segmentation of the neural network. Finally, we associate with three different segmentation results of T1-weighted, T2-weighted and PD-weighted to obtain the final segmentation.
第一章 緒論 1

1.1 前言 1
1.2 研究目標與方法 1
1.3 文獻回顧 2
1.4 論文架構 3

第二章 理論基礎 4

2.1 類神經網路簡介 4
2.1.1 類神經網路 4
2.1.2 倒傳遞演算法 6
2.2 隱藏式馬可夫隨機領域 10
2.2.1 有限混合模型 10
2.2.2 馬可夫隨機領域 11
2.2.3 隱藏式馬可夫隨機領域模型 12

第三章 研究架構及方法 14

3.1 類神經初始分割 15
3.2 HMRF分類 17
3.2.1 MAP 17
3.2.2 ICM演算法 18
3.2.3 期望值最大化估計法 18
3.3 量化測量 21

第四章 實驗結果 23

4.1 資料來源 23
4.2 實驗結果與數據 25

第五章 結論 48

參考書目 49
[1] 林昇甫,洪成安,「神經網路入門與圖樣辨識」,全華科技圖書股份有限公司,民國85年5月

[2] 蘇木春,張孝德,「機器學習:類神經網路、模糊系統以及基因演算法則」,全華科技圖書股份有限公司,民國90年7月

[3] 周鵬程,「類神經網路入門-活用Matlab」,全華科技圖書股份有限公司,民國91年9月

[4] 王進德,「類神經網路與模糊控制理論」,全華科技圖書股份有限公司,民國96年1月

[5] Yongyue Zhang, Michael Brady, and Stephen Smith, “Segmentation of Brain MR images Through a Hidden Markov Random Field Model and the Expectation-Maximization Algorithm,”IEEE Transactions on Medical Imaging, vol. 20, pp. 45-57, 2001

[6] Huiguang He, KE LU, Bin LV, “Gaussian Mixture Model with Markov Random Field for MR Images Segmentation,”IEEE Interational Conference on Industrial Technology, pp.1166-1170, 2006

[7] K.Held, E.R.Kops, B.J.Krause, W.M.Wells, and R.Kikinis, “Markov random field segmentation of brain MR images,”IEEE Transcations on Medical Imaging, vol. 16, pp. 878-886, 1997

[8] J.Besag, “On the statistical analysis of dirty pictures(with discussion),”J.of Royal Statist. Soc.,ser.B, vol. 48,no 3,
pp. 259-302, 1986

[9] Paul Tofts,“Quantitative MRI of the Brain: Measuring Changes Caused by Disease”

[10] Sergios Theodoridis and konstantions Koutroumbas,”Pattern Recognition”

[11] http://www.bic.mni.mcgill.ca/brainwed/faq.html

[12] 王士偉,「有效運用ICA與分類器於腦部MR影像顱內組織量化之探討」,國立中興大學,碩士論文(95)

[13] Ching-Hsue Cheng, You-Shyang Chen, Tzu-Cheng Lin,“FCM Automatic Thresholding Algorithm to Segment the Brain Image,” IEEE Interational Conference on Machine Learning and Cybernetics, vol. 3, pp 1371-1376, 2007

[14] M.Y. Siyal, Lin Yu, “An intelligent modified fuzzy c-means based algorithm for bias estimation and segmentation of brain MRI,” Pattern Recognition Letters, vol. 26, pp.2052-2062, 2005

[15] Ning Li, Miaomiao Liu, and Youfu Li, “Image Segmentation Algorithm using Watershed Transform and Level Set Method,” IEEE Interational Conference on Acoustics, Speech and Signal Processing, vol. 1, pp. 613-616, 2007

[16] Hayit Greenspan, Amit Ruf, Jacob Goldberger, “Constrained Gaussian Mixture Model Framework for Automatic Segmentation of MR Brain Images,” IEEE Transactions on Medical Imaging, vol. 25, pp.1233-1245, 2006

[17] Adelino R. Ferreira da Sliva, ‘’A Dirichlet process mixture model for brain MRI tissue classification,” Medical Image Analysis, vol. 11, pp.169-182, 2007
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top