Integration of Fuzzy C-Means with Correlation Template and Active Contour for Brain Lesion Segmentation in Diffusion-Weighted MRI

Muda, Ayuni Fateeha; Saad, Norhashimah Mohd; Waeleh, Nazreen; Abdullah, Abdul Rahim; Fen, Low Yin

doi:10.1109/aims.2015.88

Cited by 6 publications

(4 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…FCM was the clustering method performed by grouping or portioning the information pattern with respect to the desired information pattern group [24]. Each data point in the data clustering belonged to the degree of certain cluster by a membership value.…”

Section: Segmentationmentioning

confidence: 99%

Automated brain tumor segmentation and classification for MRI analysis system

Saad

Yaakub

Abdullah

et al. 2019

IJEECS

Self Cite

View full text Add to dashboard Cite

<span>This paper proposed a new analysis technique of brain tumor segmentation and classification for Fluid Attenuated Inversion Recovery (FLAIR) Magnetic Resonance Images (MRI). 25 FLAIR MRI images were collected from online database of Multimodal Brain Tumor Segmentation Challenge 2015 (BRaTS’15). The analysis comprised four stages which are preprocessing, segmentation, feature extraction and classification. Fuzzy C-Means (FCM) was proposed for brain tumor segmentation. Mean, median, mode, standard deviation, area and perimeter were calculated and utilized as the features to be fed into a rule-based classifier. The segmentation performances were assessed based on Jaccard, Dice, False Positive and False Negative Rates (FPR and FNR). The results indicate that FCM offered high similarity indices which were 0.74 and 0.83 for Jaccard and Dice indices, respectively. The technique can possibly provide high accuracy and has the potential to detect and classify brain tumor from FLAIR MRI database.</span>

show abstract

Section: Segmentationmentioning

confidence: 99%

Automated brain tumor segmentation and classification for MRI analysis system

Saad

Yaakub

Abdullah

et al. 2019

IJEECS

Self Cite

View full text Add to dashboard Cite

show abstract

“…Bu nedenle, eğim akışı genellikle "en dik iniş akışı" veya "eğim iniş akışı" olarak bilinir. (10) olarak ifade edilmektedir. Denklem 4'ün en küçük değerinin hesaplanabilmesi için, Gateaux türevinin doğrusal olduğu da dikkate alındığında,…”

Section: Ktd'ye Dayalı Bölütleme çAlışmalarıunclassified

“…Difüzyon ağırlıklı MR görüntülerinden bulanık mantık kullanarak bir lezyon bölütleme yaklaşımı, daha yakın bir zamanda Mudo ve arkadaşları tarafından önerilmiştir [10].…”

Section: Introductionunclassified

“…Klöppel ve arkadaşları ise FLAIR ve T1-ağırlıklı görüntüleri ortak bir bilgiye dayalı hedef fonksiyon kullanarak çakıştırmış ve eğiticili öğrenme yöntemi ile lezyon bölütleme işlemi gerçekleştirilmiştir [9]. Difüzyon ağırlıklı MR görüntülerinden bulanık mantık kullanarak bir lezyon bölütleme yaklaşımı, daha yakın bir zamanda Mudo ve arkadaşları tarafından önerilmiştir [10].…”

unclassified

See 1 more Smart Citation

MR Kafa Görüntülerinden Otomatik Kafatası, Doku ve Lezyon Bölütlemesi: Olasılıksal ve Kararlı Bir Yaklaşım

Goceri¹,

Gunay²,

Senol³

2017

SDÜ Fen Bil Enst Der

View full text Add to dashboard Cite

Anahtar KelimelerDoku bölütlemesi, Kafa MR görüntüsü, Kafatası bölütlemesi, Kararsal yaklaşım, Olasılıksal yaklaşım, Lezyon bölütlemesi Özet: Nörodegeneratif hastalıkların teşhisinde veya tedavi sürecinde beyin dokularındaki değişim, kapladığı alan, oluşmuş ise lezyonların sayısı, konumu ve büyüklüğü gibi bilgilere ihtiyaç duyulmaktadır. Bu amaçla, kafatası, beyin dokuları ve lezyonlar tıbbi görüntülerden elcil yöntemle bölütlenmekte; bu yapıların kenarlarına, lezyonların sayı ve büyüklük değerlerine kişisel olarak karar verilmektedir. Görüntülerin görsel olarak incelenip analiz edilmesi, doktorlar için zaman alıcı, yorucu ve dikkat gerektiren bir işlemdir. Bununla birlikte, görüntüleme tekniğinden kaynaklanan gürültü ve görüntüdeki gri seviye değişimlerinin düşük olması, bu görsel analizi ve elcil yöntemle görüntü bölütlemeyi daha da zorlaştırmaktadır. Bu durum, kişisel değerlendirme sonuçlarını etkilemekte, farklı doktorların aynı görüntüde farklı kararlar vermesine, hatta aynı doktorun aynı görüntü üzerinde, farklı zamanlarda farklı kararlar vermesine sebep olabilmektedir. Bu nedenle, bu çalışmada, kafa görüntülerinden kafatası, beyin dokusu ve lezyon bölütlemesini otomatik olarak gerçekleştiren bir bilgisayar destekli yaklaşım önerilmektedir. Önerilen bütünleşik yaklaşımda, manyetik rezonans görüntüleri kullanılmış olup, kafatası ve doku bölütlemesi Gauss Karma Modele dayalı olarak olasılıksal bir yöntem ile sağlanırken, lezyon bölütlemesi düzey kümesine dayalı kararsal bir yöntem ile gerçekleştirilmiştir. Geliştirilen yazılım sayesinde, lezyon bölütleme başarıyla (maksimum simetrik yüzey uzaklığı 5.76±3.24 mm) gerçekleştirilebilmektedir. Abstract: Information such as changes in brain tissues, their area, number of lesions if they exit, size of lesions etc. is required for diagnosis of neurodegenerative diseases and also during treatment of these diseases. For this reason, skull, brain tissues and lesions are segmented manually from medical images; edges of these structures, number and size of lesions are determined subjectively. Visual examination and analysis of images is a time consuming and tedious task. Also, noise caused by imaging, and low contrast in the images make much more difficult the visual analysis and manual segmentation. This case, affects subjective evaluations, causes different decisions of different doctors on the same image, even different decisions of the same doctor on the same image at different times. Therefore, in this work, a computer aided approach that achieves automated segmentation of skull, brain tissues and lesions is proposed. In the proposed hybrid approach, magnetic resonance images have been used, skull and tissue segmentation has been performed by a probabilistic method based on Gaussian Mixture Model, while lesion segmentation has been performed by a deterministic method based on level set technique. By the developed software, lesion segmentation can be performed successfully (maximum symmetric surface distance is 5.76±3.24 mm). Automated Segmentation of Skull, Tissue a...

show abstract