MRI brain segmentation : โครงการวิจัยโครงการย่อยที่ 4 : รายงานฉบับสมบูรณ์

นงลักษณ์ โควาวิสารัช

dc.contributor.author	นงลักษณ์ โควาวิสารัช
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2010-08-18T10:32:38Z
dc.date.available	2010-08-18T10:32:38Z
dc.date.issued	2546
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/13254
dc.description.abstract	ศึกษา ออกแบบเทคนิควิธีการแบ่งส่วนภาพของสมองและพัฒนาโปรแกรมเพื่อแบ่งส่วนภาพของสมองจากชุดภาพถ่าย MRI ของสมองโดยใช้วิธีใช้ค่าขีดแบ่งและวิธี 3D morphological watershed เป็นวิธีแบ่งส่วนแบบอัตโนมัติ โดยวิธีการแบ่งส่วนโดยอัตโนมัติที่ใช้ค่าขีดแบ่งที่พัฒนาขึ้น พัฒนาจากพื้นฐานความรู้ที่ว่าระดับความสว่างของสมองแบบ White matter, gray matter และ CSF ในภาพ T1-weighted MRI ของสมองจะมีความสว่างจากมากไปน้อย ดังนั้นวิธีใช้ค่าขีดแบ่งที่พัฒนานี้จึงให้ผลการแบ่งส่วนสมองที่ดีกับภาพที่มีข้อมูลในลักษณะดังกล่าว ส่วนวิธี 3D morphological watershed เป็นวิธีที่เหมาะจะใช้ภาพที่บริเวณสมองมีความสว่างที่กลมกลืนกันและไม่แตกต่างกันมาก ไม่ควรมีสัญญาณรบกวนและควรเป็นบริเวณที่แยกจากส่วนอื่นๆ อย่างค่อนข้างชัดเจน แต่ข้อมูลภาพ MRI ส่วนมากมีความหลากหลายเนื่องจากปัจจัยต่างๆ เช่น การเลือกวิธีการจัดทำข้อมูลภาพมีหลากหลาย เช่น ทำเป็น T1-weighted หรือ T2-weighted ด้วยเทคนิคย่อยต่างๆ การเลือกความหนาของสไลซ์ รวมถึงลักษณะของเครื่อง MRI เอง ทำให้ผลการแบ่งส่วนสมองจากภาพ MRI แบบอัตโนมัติมีความหลากหลายทั้งดีและไม่ดี ดังนั้น ในงานวิจัยนี้จึงได้จัดทำโปรแกรมเครื่องมือซอฟต์แวร์ให้ผู้ใช้สามารถเลือกแบ่งส่วนภาพด้วยตนเองรวมทั้งมีตัวกระทำการ Preprocessing เช่น การทำ Normalization การทำ Diffusion และ Post processing เช่นตัวกระทำการทางสัณฐานวิทยาต่างๆ เพื่อให้ผู้ใช้สามารถปรับปรุงข้อมูลก่อนและหลังจากการแบ่งส่วนโดยอัตโนมัติได้ด้วย	en
dc.description.abstractalternative	To study and design techniques and develop a program for segmenting brain from brain MR image set. Automatic thresholding and 3D morphological watershed are the two methods for automatic segmentation. The automatic thresholding method is implemented based on the knowledge about the intensities of white matter, gray matter and CSF of the brain in T1-weighted MRI. Hence, the automatic thresholding method gives good segmentation results for such images. The 3D morphotogical watershed is implemented to suit the image that brain regions are smooth, do not have distinct noise and the brain regions should be separated from non-brain regions quite clearly. There are many factors that make MR images very much vary, such as the T1-weighted or T2-weighted type taken with many different techniques, the slice thickness, and the characteristics of the MR machine itself. Consequently, segmentation results from automatic segmentation methods also vary among different datasets. Therefore, the implemented program in this research provide manual segmentation tools, preprocessing tools (such as normalization and diffusion), and post processing tools (morphological operators) so that users can improve the image data prior to or after automatic segmentation.	en
dc.description.sponsorship	ทุนอุดหนุนโครงการวิจัยร่วมภาครัฐกับเอกชน ปีงบประมาณ 2546	en
dc.format.extent	9825228 bytes
dc.format.mimetype	application/pdf
dc.language.iso	th	es
dc.publisher	คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย	en
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	สมอง -- การสร้างภาพจากการกำทอนในสนามแม่เหล็ก	en
dc.subject	การประมวลผลภาพ -- เทคนิคดิจิตอล	en
dc.title	MRI brain segmentation : โครงการวิจัยโครงการย่อยที่ 4 : รายงานฉบับสมบูรณ์	en
dc.title.alternative	MRI brain segmentation	en
dc.type	Technical Report	es
dc.email.author	Nongluk.C@Chula.ac.th