| ชื่อบทความที่เผยแพร่ |
MRI brain tumor segmentation using GLCM cellular automata-based texture feature |
| วัน/เดือน/ปี ที่เผยแพร่ |
31 กรกฎาคม 2557 |
| การประชุม |
| ชื่อการประชุม |
2014 International Computer Science and Engineering Conference (ICSEC) |
| หน่วยงาน/องค์กรที่จัดประชุม |
Computer Science Department, Faculty of Science, Khon Kaen University |
| สถานที่จัดประชุม |
Khon Kaen, Thailand |
| จังหวัด/รัฐ |
|
| ช่วงวันที่จัดประชุม |
30 กรกฎาคม 2557 |
| ถึง |
1 สิงหาคม 2557 |
| Proceeding Paper |
| Volume (ปีที่) |
18 |
| Issue (เล่มที่) |
- |
| หน้าที่พิมพ์ |
192-197 |
| Editors/edition/publisher |
|
| บทคัดย่อ |
Brain tumor segmentation is an importance process in surgical and treatment planning in medicine. There are various intensity based techniques which have been proposed to segment homogeneous tumors on magnetic resonance images (MRI). Those still fail to segment homogeneous tumor against similar background, isointense signal, weak edges or diffused edges. These problems lead to oversegmentation by intensity based techniques. This paper presents a cellular automaton (CA) based on Gray-level co-occurrence matrix (GLCM) for determining the local transition function. This aims to extract the texture feature of MRI brain tumor being used for brain tumor segmentation. The state-of-art segmentation methods, namely, Tumor-Cut (TC) and active contours driven by local Gaussian distribution fitting energy (LGD), are compared the results between intensity image and the proposed texture-based image. For performance evaluation, MRI tumor datasets acquired from virtual skeleton database (VSD) are experimented throughout. Dice similarity coefficient (DSC) and Jaccard coefficient (JC) are employed to measure the overlapping region between tumor ground truth and segmentation results. In this regard, TC and LGD algorithms using the proposed texture feature provide the better results. TC with the proposed texture feature provides the best result with DSC and JC at 91.89% and 85.08%, respectively. |
| ผู้เขียน |
|
| การประเมินบทความ (Peer Review) |
มีผู้ประเมินอิสระ |
| มีการเผยแพร่ในระดับ |
นานาชาติ |
| รูปแบบ Proceeding |
Full paper |
| รูปแบบการนำเสนอ |
Oral |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| ผลงานที่นำเสนอได้รับรางวัล |
ไม่ได้รับรางวัล |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English