Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Implementation of chaotic atom search optimized SWIN transformer architecture for efficient corpus callosum segmentation in brain MRI images

100%

Avasarala P. S. , Govindakumar S.

Przegląd Elektrotechniczny

2023

tom R. 99, nr 12

185--189

A crucial component of the brain that facilitates neuronal communication between the two halves of the brain is the corpus callosum (CC). Processing sensorial, motor, and sophisticated intellectual impulses is the major job of the corpus callosum, which integrates and transfers data from both cerebral hemispheres. Segmentation the CC from brain MRIs is a highly challenging technique because of the low brightness of the surrounding organs and tissues. CNN has historically performed better in segmenting medical images, but in 2021 Microsoft researchers created a novel transformer-based structure that outperformed the prior classification methods. As a result, we propose a CC segmentation method based on the Chaotic Atom Search Optimized Swin (Shifted Window) Transformer architecture. The brain MR imaging database is collected using the opensource OASIS platform. Wavelet Thresholding preprocessing compresses the brain MR images and lowers unneeded noise. The corpus callosum is segmented from images of the skull using the proposed Swin framework, which has been developed and trained. The suggested framework is implemented in the Python environment, and metrics like as accuracy, recall, precision, and F1-score are analyzed and compared with existing systems.

Kluczowym elementem mózgu, który ułatwia komunikację neuronalną między dwiema połówkami mózgu, jest ciało modzelowate (CC). Przetwarzanie impulsów czuciowych, motorycznych i wyrafinowanych intelektualnych to główne zadanie ciała modzelowatego, które integruje i przesyła dane z obu półkul mózgowych. Segmentacja CC na podstawie rezonansu magnetycznego mózgu jest techniką bardzo wymagającą ze względu na niską jasność otaczających narządów i tkanek. W przeszłości CNN radziło sobie lepiej w segmentacji obrazów medycznych, ale w 2021 r. badacze firmy Microsoft stworzyli nowatorską strukturę opartą na transformatorach, która przewyższała wcześniejsze metody klasyfikacji. W rezultacie proponujemy metodę segmentacji CC opartą na architekturze transformatora Chaotic Atom Search Optimized Swin (Shifted Window). Baza danych obrazowania MR mózgu jest gromadzona przy użyciu platformy OASIS typu open source. Wstępne przetwarzanie Wavelet Thresholding kompresuje obrazy MR mózgu i obniża niepotrzebne szumy. Ciało modzelowate jest segmentowane na podstawie obrazów czaszki przy użyciu proponowanego modelu Swin, który został opracowany i przeszkolony. Sugerowany framework jest zaimplementowany w środowisku Python, a wskaźniki takie jak dokładność, przypominanie, precyzja i wynik F1 są analizowane i porównywane z istniejącymi systemami.