چكيده فارسي :
در اين مقاله، استانداردسازي تصاوير MRI مغز انسان با اعمال چندين روش آماري مد نظر است كه هدف بعد از مرحله استاندارد سازي با حذف نقاط تار و سياه نويز، مرز نواحي تومور و بخش‌هاي مختلف مغز و مايع مغزي با وضوح بيشتر نمايش داده خواهد شد كه ميتوان به سه بخش سفيد و خاكستري و مايع مغزي تقسيم بندي كرد. هنگامي‌كه يك پروتكل استاندارد در دسترس باشد، روش استانداردسازي و ناحيه‌بندي مبتني بر روش‌هاي تركيبي يكي از مناسب‌ترين ابزارها براي ناحيه بندي تصاوير پزشكي محسوب مي‌شود. اين روش عليرغم دقت بالايي كه دارد، به‌دليل بالا بودن حجم محاسبات، زمان بر و طولاني است. روش هاي مبتني بر مفاهيم آماري به ترتيب مد، ميانه و ميانگين مي‌باشند كه جهت اعمال بر روي داده‌هاي موجود از تصاوير MRI مغز انسان در بيماران مختلف، پردازش بسيار ساده و صريح دارند. همچنين روش كرانه‌اي، دهك و صدك با مفاهيم ساده براي استخراج نقاط عطف از داده‌هاي موجود استفاده مي‌شوند. نتايج استانداردسازي تصاوير مغزي به‌دست‌آمده مي تواند به كمك پردازش‌هاي بعدي در تحليل آناتومي و يا تشخيص بيماري‌ها و آسيب‌هاي مغزي مورد استفاده قرار گيرد. براي ارزيابي عملكرد اين مقاله ابتدا طرح به صورت سيستمي در نرم‌افزار متلب شبيه‌‌سازي و سپس براي استانداردسازي و مقايسه با تصاوير قبل از مرحلة استانداردسازي، از نرم‌افزاري به نام يوونتي 8 براي استخراج و نمايش لايه‌هاي خاكستري رنگ استفاده مي‌شود. نتايج حاصل از پردازش اين مقاله، به صورت بصري از تصاوير استاندارد شده و تحليل آماري خطا و ضريب تغييرات به‌دست‌آمده و در نهايت در مرحلة مقايسه كارآمدترين روش استخراج مي‌شود.
چكيده لاتين :
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.
