แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Pott Pongpaopattanakul. Edge detection method for left ventricular myocardium segmentation in cardiac MRI . Master's Degree(Biomedical Engineering). Mahidol University. : Mahidol University, 2006.
Edge detection method for left ventricular myocardium segmentation in cardiac MRI
วิธีการหาขอบกล้ามเนื้อหัวใจห้องล่างซ้ายในข้อมูลเอ็มอาร์ไอ
Name: Pott Pongpaopattanakul
MeSH:
Heart Diseases
-- diagnosis
Abstract:
In diagnosis of cardio-vascular patients, analysis of Cardiac Magnetic
Resonance (CMR) images provides the useful functional parameters of the left
ventricle (LV). The gold standard method such as expert technician outlining is time
consuming and recent methods such as mathematical approximation are un-reliable.
This study increases the performance of diagnosis by constructing an automatic
segmentation algorithm. Performance testing employs Repeated-Measure ANOVA
and Bland-Altman analysis for examining the algorithm with short axis CMR images.
The participant studied comprised a group of 10 patients and a group of 10 healthy
subjects. Statistical results display the well agreement in measurement of Ejection
Fraction (EF) by an experience observer and computer (p = 1.000, bias 0.1 %).
Computer detection based on the proposed algorithm was also effective in measuring
EDV (p = 0.125, bias 3.9 cc.) in the patient group. In the healthy subject group, the
computer is well agreeing with the expert observer in measurement of ESV (p =
1.000, bias -0.1 cc.) and myocardium mass (p = 0.187, bias -2.9 g). In conclusion,
computer detection can be reliably used in the assessment of LV functional
parameters.
Abstract:
ในกระบวนการวินิจฉัยผู้ป่วยที่เป็นโรคเกี่ยวกับหัวใจและหลอดเลือด การวิเคราะห์ภาพ
คลื่นแม่เหล็กไฟฟ้าหัวใจได้ให้ข้อมูลที่เป็นประโยชน์เกี่ยวข้องกับการทำงานของหัวใจห้องล่างซ้าย
วิธีการมาตรฐานที่ใช้ในการวิเคราะห์เช่น วาดโดยผู้ชำนาญการนั้นเป็นวิธีการที่ใช้เวลามาก ในขณะ
ที่วิธีการปัจจุบันเช่น การวิเคราะห์ทางคณิตศาสตร์ให้ผลที่ไม่น่าเชื่อถือเท่าที่ควร งานศึกษาชิ้นนี้ได้
เพิ่มประสิทธิภาพของการวินิจฉัยโดยสร้างกระบวนการแบ่งออกเป็นส่วนแบบอัตโนมัติ การ
ทดสอบประสิทธิภาพได้ใช้การวิเคราะห์แบบ Repeated-Measure ANOVA และ Bland-
Altman เพื่อทดสอบกระบวนการแบ่งออกเป็นส่วนที่สร้างขึ้นกับภาพคลื่นแม่เหล็กไฟฟ้าหัวใจใน
แนว short axis ของกลุ่มตัวอย่างซึ่งประกอบด้วย กลุ่มผู้ป่วย 10 คนและกลุ่มตัวอย่างปกติ 10 คน
ผลการวิเคราะห์ทางสถิติแสดงให้เห็นถึงความเหมือนในการวัด Ejection Fraction (p = 1.000,
bias 0.1 %) โดยผู้ชำนาญการและคอมพิวเตอร์ การวัดโดยคอมพิวเตอร์ซึ่งยึดกระบวนการแบ่ง
ออกเป็นส่วนที่นำเสนอยังให้ผลที่ดีในการวัด End Diastolic Volume (p = 0.125, bias 3.9
cc.) ในกลุ่มผู้ป่วย ในส่วนของกลุ่มตัวอย่างปกติ คอมพิวเตอร์เห็นพ้องกับผู้ชำนาญการในการวัด
End Systolic Volume (p = 1.000, bias -0.1 cc.) และ myocardium mass (p = 0.187, bias
-2.9 g) ในบทสรุป การวัดโดยคอมพิวเตอร์สามารถนำมาใช้เพื่อวัดค่าการทำงานต่างๆ ของหัวใจ
ห้องล่างซ้ายได้อย่างมีประสิทธิภาพ
Mahidol University
Address:
NAKHON PATHOM
Email:
liwww@mahidol.ac.th
Name: Warakorn Charoensuk
Role:
Thesis Advisors
Created:
2006
Modified:
2553-06-16
Issued:
2010-06-04
วิทยานิพนธ์/Thesis
application/pdf
ISBN:
9740474993
CallNumber:
TH P865e 2006
eng
DegreeName: Master of Engineering
Level: Master's Degree
Descipline: Biomedical Engineering
Grantor: Mahidol University
©copyrights Mahidol University
RightsAccess:
ใช้เวลา
0.286973 วินาที
Pott Pongpaopattanakul
| Title | Contributor | Type |
|---|---|---|
| Edge detection method for left ventricular myocardium segmentation in cardiac MRI
มหาวิทยาลัยมหิดล Pott Pongpaopattanakul | Warakorn Charoensuk | วิทยานิพนธ์/Thesis |
Warakorn Charoensuk