پردازش تصاویر پزشکی
مهدی دلاوری؛ امیرحسین فروزان؛ ین وی چن
دوره 8، شماره 3 ، مهر 1393، ، صفحه 213-227
چکیده
مدلهای شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده میکنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکلهای مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعهی آموزش، یکیاز چالشهای مهم در ساخت مدل شکل آماری است. درین مقاله، از روش CPDجهت یافتن تناظر بین نقاط استفاده شد. درین روش، با ترکیب ...
بیشتر
مدلهای شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده میکنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکلهای مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعهی آموزش، یکیاز چالشهای مهم در ساخت مدل شکل آماری است. درین مقاله، از روش CPDجهت یافتن تناظر بین نقاط استفاده شد. درین روش، با ترکیب تناظر فازی، الگوریتم سرد شدن معین و انطباق غیرصلب دو شکل، تناظر بین نقاط به دست آمد. پساز یافتن نقاط متناظر، مدل شکل آماری با یک تبدیل صلب ایجاد شد. ارزیابی روش پیشنهادی با استفادهاز میزان فشردگی، قابلیّت تعمیم و اختصاصی بودن انجام شد. مدل ساخته شده به کمک روش پیشنهادی با مدلهای ساخته شده به روشهای TPS-RPM، ICP ،MDL مقایسه شد. نتایج نشان میدهد که مدل پیشنهادی در معیار اختصاصی بودن با مقدار 06/0±21/0 مانند روش MDL عمل میکند. در مورد معیارهای فشردگی و قابلیت تعمیم، نتایج به دست آمده با روش MDL مشابهت دارد. زمان متوسط اجرای الگوریتم در روش پیشنهادی 68 ثانیه است، در صورتیکه برای الگوریتم TPS-RPM390 ثانیه و برای الگوریتم MDL 3600 ثانیه است که برتری روش پیشنهادی را از نظر سرعت نشان میدهد. همچنین در روش پیشنهادی، نسبت به روشهای ICP وTPS-RPM عملکرد بهتری به دست آمد.
