Algorithm was tested on real MRI da

Algorithm was tested on real MRI data gained of anonymous
patients acquired in clinical practice. Magnetic resonance
images came from various apparatus and were
scanned with various settings, so they have different intensities.
The images for our dataset were selected from 3D MRI
data witch were scanned with T1 relaxation. For the evaluation
of our method, we have used 150 randomly selected
2D images with various measurements and intensities,
which include tumors of different areas, shapes and
locations.
Tumor segmentation was tested by two ways to detect
advantages and disadvantages of proposed algorithm.
First, it was tested with the algorithm which consists only
of adaptive greyscale morphological reconstruction and
adaptive thresholding without the graph cut algorithm.
Second, it was tested also with the graph cut algorithm.
Algorithm results were compared with manual segmentations
of tumors provided by experts. Verification was
based on the per pixel comparison of the segmentation results
and manual segmentations. Resulting segmentation
was transformed to binary image. It is because manual
segmentation was also saved as binary image.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมได้รับการทดสอบบน MRI ข้อมูลจริงที่ได้รับของไม่ระบุชื่อผู้ป่วยที่ได้รับในทางปฏิบัติทางคลินิก เรโซแนนซ์แม่เหล็กภาพมาจากอุปกรณ์ต่าง ๆ และได้สแกน ด้วยการตั้งค่าต่าง ๆ มีความเข้มแตกต่างกันรูปภาพสำหรับชุดข้อมูลของเราถูกเลือกจาก 3D MRIแม่มดข้อมูลแกน ด้วย T1 ผ่อน สำหรับการประเมินผลของวิธีการของเรา เราใช้ 150 สุ่มเลือกภาพ 2D ต่าง ๆ การวัดและความเข้มซึ่งรวมถึงเนื้องอกของพื้นที่แตกต่างกัน รูปร่าง และที่ตั้งเนื้องอกแบ่งทดสอบ โดยสองวิธีการตรวจสอบข้อดีและข้อเสียของอัลกอริทึมที่นำเสนอครั้งแรก มีทดสอบกับอัลกอริทึมซึ่งประกอบด้วยเท่านั้นการปรับตัวเพื่อฟื้นฟูสัณฐาน และthresholding ปรับ โดยกราฟตัดอัลกอริทึมที่สอง มีทดสอบยัง มีกราฟตัดอัลกอริทึมผลอัลกอริทึมมาเปรียบเทียบกับคู่มือ segmentationsเนื้องอกโดยผู้เชี่ยวชาญ การตรวจสอบแก้ไขคะแนนเฉลียจากการต่อพิกเซลเปรียบเทียบผลแบ่งกลุ่มและคู่มือ segmentations แบ่งส่วนที่เป็นผลลัพธ์ถูกแปลงเป็นรูปแบบไบนารี มันเป็นเพราะตนเองแบ่งกลุ่มยังถูกบันทึกเป็นรูปแบบไบนารี

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการได้รับการทดสอบกับข้อมูลจริง MRI ได้รับของที่ไม่ระบุชื่อ
ผู้ป่วยที่ได้มาในการปฏิบัติทางคลินิก ด้วยคลื่นสนามแม่เหล็ก
ภาพที่มาจากอุปกรณ์ต่าง ๆ และได้รับการ
สแกนด้วยการตั้งค่าต่างๆเพื่อให้พวกเขามีความเข้มที่แตกต่างกัน.
ภาพสำหรับชุดข้อมูลของเราได้รับการคัดเลือกจาก 3D MRI
แม่มดข้อมูลสแกนด้วยการผ่อนคลาย T1 สำหรับการประเมินผล
ของวิธีการของเราเราได้ใช้ 150 สุ่มเลือก
ภาพ 2D ด้วยการวัดต่างๆและความเข้ม,
ซึ่งรวมถึงเนื้องอกที่แตกต่างกันพื้นที่รูปร่างและ
สถานที่.
แบ่งส่วนเนื้องอกได้รับการทดสอบโดยสองวิธีในการตรวจสอบ
ข้อดีและข้อเสียของอัลกอริทึมที่นำเสนอ.
ครั้งแรก มันได้รับการทดสอบกับอัลกอริทึมซึ่งประกอบด้วยเฉพาะ
ของการปรับตัวการฟื้นฟูก้านเฉดสีเทาและ
กำหนดเกณฑ์ขั้นต่ำที่ปรับเปลี่ยนได้โดยไม่ต้องมีขั้นตอนวิธีกราฟตัด.
ที่สองก็ยังได้รับการทดสอบด้วยวิธีกราฟตัด.
ผลการขั้นตอนวิธีการเปรียบเทียบกับการแบ่งกลุ่มคู่มือ
ของเนื้องอกที่ให้บริการโดยผู้เชี่ยวชาญ ตรวจสอบได้รับการ
ขึ้นอยู่กับการต่อพิกเซลเปรียบเทียบผลการแบ่งส่วน
และการแบ่งกลุ่มและคู่มือ ส่งผลให้เกิดการแบ่งส่วน
ถูกเปลี่ยนเป็นภาพไบนารี มันเป็นเพราะคู่มือ
การแบ่งส่วนยังถูกบันทึกไว้เป็นภาพไบนารี

ผลลัพธ์ (ไทย) 3:

ทำการทดสอบจริง MRI ข้อมูลรับของนิรนามผู้ป่วยที่ได้รับในการปฏิบัติทางคลินิก เรโซแนนซ์แม่เหล็กภาพมาจากอุปกรณ์ต่างๆและสแกนด้วยการตั้งค่าต่างๆเพื่อให้พวกเขามีความเข้มที่แตกต่างกันภาพวันที่เราถูกเลือกจาก MRI 3Dแม่มดข้อมูลถูกสแกนด้วยการผ่อนคลาย T1 . เพื่อประเมินวิธีของเรา เราได้ใช้ 150 สุ่มเลือกภาพ 2D กับวัดต่าง ๆและความเข้มซึ่งรวมถึงเนื้องอกของพื้นที่ที่แตกต่างกันและรูปทรงสถานที่การตัดเนื้องอกถูกทดสอบโดยสองวิธีที่จะตรวจสอบข้อดีและข้อเสียของวิธีที่เสนอ .ก่อนจะถูกทดสอบกับขั้นตอนวิธีการซึ่งประกอบด้วยเพียงลักษณะของการฟื้นฟูและเฉดสีเทาได้โดยไม่ต้องปรับกราฟตัดขั้นตอนวิธีประการที่สอง ก็ทดสอบด้วยการตัดกราฟขั้นตอนวิธีผลเปรียบเทียบกับคู่มือ segmentations ขั้นตอนวิธีเนื้องอกโดยผู้เชี่ยวชาญ การตรวจสอบคือขึ้นอยู่กับการเปรียบเทียบผลของการต่อพิกเซลและคู่มือ segmentations . ที่เกิดการแบ่งส่วนได้เปลี่ยนภาพไบนารี มันเป็นเพราะ คู่มือการแบ่งส่วนและบันทึกเป็นภาพไบนารี