[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: طاهره پور حسن زاده ::
 | تاریخ ارسال: ۱۳۹۴/۱/۲۶ | 

 

 

AWT IMAGE

 

 خانم طاهره پور حسن زاده   دانشجوی کارشناسی ارشد جناب آقای دکتر محسن سریانی روز دو  شنبه 94/1/31 ساعت 15:30در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان کاربرد سنجش فشرده در تصویر برداری تشدید مغناطیسی دفاع خواهند نمود.

 

 

 

 

 

 

 

 

 چکیده

 تصویربرداری تشدید مغناطیسی یکی از روش­های زمان­بر تصویربرداری پزشکی می‏باشد. اسکنرهای تصویربرداری تشدید مغناطیسی به حجم وسیعی از اندازه­گیری­ها برای ساخت یک تصویر نیاز دارند، بنابراین مدت زیادی برای اسکن طول خواهد کشید. تصویربرداری تشدید مغناطیسی بیمار را درمعرض امواج رادیویی یونیزه قرار نمی­دهد،با این حال طولانی شدن زمان اسکن مطلوب نیست و ناراحتی­های بسیاری را به بیمار به ویژه کودکان تحمیل می­کند. سرعت نمونه­برداری به ویژگی­های فیزیکی (مانند دامنه گرادیان) و فیزیولوژیکی محدود می­شود، بنابراین محققان بسیاری می­کوشند مقدار داده­های دریافتی را بدون افت کیفیت تصویر، کاهش دهند. بسیاری از این تلاش­ها از این ایده الهام گرفته­اند که داده­های تصویربرداری تشدید مغناطیسی تکراری هستند یا می­توان آن­ها را به صورت تکراری تبدیل کرد. تلاش­ها برای کاهش اکتساب داده­ها می­توانند به عنوان "نمونه­برداری فشرده" نام­گذاری شوند. اکثر تصاویر تشدید مغناطیسی در یک دامنه­ی تبدیل مناسب، تنک هستند.قابلیت تنک بودن،به کارگیری نظریه ریاضیاتی سنجش فشرده را ممکن می­سازد. به موجب این نظریه­ی ریاضیاتی اگر امکان تبدیل تنک­کنندگی وجود داشته باشد و زیرنمونه­برداری، بدنمایی­های غیرهمدوس در دامنه­ی تبدیل داشته باشد، می­توان تصویر را با یک بازیابی غیرخطی بازسازی کرد. در این پایان­نامه از سنجش فشرده برای سرعت بخشیدن تصویربرداری استفاده شده است. به این منظور تصاویر با استفاده از نمونه­برداری شبه تصادفی با نرخی کمتر از تعداد نمونه­های موردنیاز در بازسازی­های معمول نمونه­برداری و با ترکیب دو روش کمینه­سازی نرم L1 و total variation بازسازی شده­اند. در این پایان­نامه از تنها 50 درصد از داده­های تصاویر پایگاه داده­ی brainix استفاده شده است با این حال نویززدایی آن از روش­های قدیمی و متعارف به ویژه در حذف نویزهای speckle و گوسی بهتر عمل می­کند.

   

واژه‌های کلیدی:تصویربرداری تشدید مغناطیسی، سنجش فشرده، تبدیل موجک، نویززدایی

 

 

 

 Abstract  

 agnetic Resonance Imaging (MRI) is a time-consuming medical imaging diagnosti reductions that benefits patients and health care economics Long scan times are not desirable and may cause discomfort in patients especially in children. Sampling rate depends on the physical and physiological properties. Therefore, many researchers have tried to reduce the incoming data without a loss of the image quality. Many of the efforts have been inspired by an idea that either MRI data are based on repetitive nature or they can be converted to iterative data. Reduction in data acquisition has named as Intensive Sampling. Most MRI images are sparse in an appropriate transform domain. The sparsifying offers the use of Compressed Sensing (CS) which is a signal processing technique for efficiently acquiring and reconstructing a signal. According to CS, the image could be reconstructed by an appropriate nonlinear method if the sparsifying transform is possible and subsampling has incoherent aliasing in the transform domain. In the present study, CS is used for significant scan time reductions that benefits patients and health care economics. Applying a combination of the minimal L1-norm and the total variation for the reconstruction, the images are reconstructed by a Pseudo-random sampling at a reductions that benefits patients and health care economics its noise removal works significantly better than conventional methods, especially in removing speckle and Gaussian noises.

 

 

 

Keywords: magnetic resonance imaging, compressed sensing, wavelet, noise removal

 

 

 

 

    

طاهره پور حسن زاده شریفی

    رشته مهندسی کامپیوتر -هوش مصنوعی

  استاد راهنما:

  دکتر محسن سریانی

  استاد داور داخلی:دکتر پیمان کبیری

  استاد داور خارجی : دکتر حمید ابریشمی مقدم

  تاریخ دفاع :دو  شنبه 31فروردین  ماه 94

  زمان:ساعت 15:30

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق سمینار

 از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

 

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 

 

 

 

دفعات مشاهده: 2689 بار   |   دفعات چاپ: 692 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.141 seconds with 965 queries by yektaweb 3535