12909

الگوريتم‌هاي بازسازي تصوير توموگرافي كامپيوتري

1401

دكتر ابوذر غفاري

سرطان به عنوان يكي از عوامل اصلي مرگ و مير و مانع مهم براي افزايش اميد به زندگي در هر كشوري از جهان است. تاكنون روش‌هاي تشخيصي زيادي براي شناسايي جهش‌هاي ژنتيكي خاص يا نشانگرهاي زيستي در سرطان‌ها به وجود آمدند. يكي از روش‌هاي تشخيصي با اهميت، توموگرافي كامپيوتري (CT) است. توموگرافي كامپيوتري يك روش تصويربرداري پركاربرد، غيرتهاجمي، به موقع و دقيق در پزشكي باليني است. توموگرافي كامپيوتري يك سنگ بناي تشخيصي مدرن است كه مغز اصلي آن را الگوريتم‌هاي بازسازي تشكيل مي‌دهند. ماهيت اصلي مسئله بازسازي تصوير، يك فرآيند رياضي كه بر اساس مجموعه داده جمع‌اوري شده از جنس تضعيف پرتوهاي ايكس عبوري از بافت بيمار به توليد تصاوير در زواياي مختلف بيمار مي‌پرازد. سيستم تصويربرداري سي‌تي با چالش‌هاي زيادي نظير، ميزان دز تشعشع، كيفيت مطلوب تصوير، مصنوعات تصوير، پيچيدگي الگوريتم‌هاي بازسازي، ذخيره سازي و مديريت حجم بالاي داده‌ها، هزينه ساخت، دسترسي و چگونگي تصويربرداري و تجسم سه بعدي روبه رو است. از اين رو در سال‌هاي اخير، پژوهش‌هاي زيادي در اين حوزه براي ارتقاي اين سيستم چه به لحاظ سخت افزار تصويربرداري و چه به لحاظ الگوريتم‌هاي بازسازي انجام شده‌است. با توجه به ظهور و ورود چشم‌گير يادگيري عميق در طيف گسترده‌اي از كاربرد، اخيراً حجم قابل توجهي از الگوريتم‌هاي بازسازي، توسط اين مدل‌ها صورت مي‌گيرند تا بتوانند تا حد امكان چالش‌هاي پيش روي مسئله بازسازي را برطرف كنند. در اين سمينار تعدادي از رويكردهاي بازسازي تصوير كلاسيك و و تركيبي با يادگيري عميق مورد بررسي واقع شده و چالش‌هاي هريك رو به صورت مجزا مورد بررسي قرار گرفته است.

11/22/2023 12:00:00 AM

81351

1402/09/30

Computed tomography images reconstruction algorithms

توموگرافي كامپيوتري، سينوگرام، بازسازي تصوير، يادگيري عميق

Computed tomography, sinogram, image reconstruction, deep learning