الگوریتمی جدید برای انتخاب ویژگی و کلاسبندی تومو رهای پستان در تصاویر اولتراسوند

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 654

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP09_047

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

سیستمهای تشخیص کمک رایانهای سرطان پستان که برای تشخیص و کلاسبندی تومورها در تصاویر اولتراسوند استفاده میشوند، غالب ا از چهار بخش پیشپردازش، ناحیهبندی، استخراج و انتخاب ویژگی، و کلاسبندی تشکیل میشوند. در این مقاله انتخاب ویژگی با کمک الگوریتم رگرسیون لجستیک تنک ) SLR (، به طور خودکار و همزمان با کلاسبندی انجام میشود. این الگوریتم با استفاده از روش ARD اهمیت هر پارامتر را همزمان با تخمین مقادیر پارامتر، تعیین کرده و ویژگیهای نامرتبط را حذف میکند. در این پژوهش، پس از مراحل پیشپردازش و ناحیهبندی، با استخراج ۲۵ ویژگی ریختشناسی و اعمال الگوریتم SLR ، به طبقهبندی تومورهای پستان پرداخته شده است. همچنین این طبقهبندی با استفاده از هفت روش انتخاب ویژگی T_test ، Fisher_score ، SBMLR ، FCBF ، MCFS ، CFS و Chi_square و استفاده از کلاسبند رگرسیون لجستیک و نیز بدون انتخاب ویژگی انجام شده است. با توجه به نتایج بدست آمده، الگوریتم رگرسیون لجستیک تنک، در مقایسه با سایر الگوریتمها، عملکرد بهتری را ارائه میدهد و ضمن معرفی متمایزکنندهترین ویژگیها، میتواند نوع تومور را با صحت ۹۶ % تعیین کند

نویسندگان

هدا نعمت

دانشگاه تربیت مدرس

علی گویا

دانشگاه تربیت مدرس،

علی محلوجی فر

دانشگاه تربیت مدرس

نسرین احمدی نژاد

دانشگاه تربیت مدرس

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بهنام حمید، ذاکری فهیمه سادات، گیفانی پریسا و همکاران پردازش ...
  • ultrasound images: A survey, " Pattern Recognit., vol. 43, no. ...
  • A. Jalalian, S. B. T. Mashohor, H. R. Mahmud, M. ...
  • P. Telagarapu and S. Poonguzhali, "Analysis of Contourlef Texture Feature ...
  • B. Liu, H. D. Cheng, J. Huang, J. Tian, X. ...
  • R. F. Chang, W. J. Wu, W. K. Moon, and ...
  • C.-M. Chen, Y.-H. Chou, K.-C. Han, G.-S. Hung, C.-M. Tiu, ...
  • K. Horsch, A. F. Ceballos, M. L. Giger, I. R. ...
  • L. Leija, A. V Alvarenga, A. F. C. Infantosi, and ...
  • W. Gomez and W Pereira, "Computerized diagnosis of breast lesions ...
  • _ images, " J. Med. Syst., vol. 36, ...
  • R. O. Duda, P. E. Hart, and D. G. Stork, ...
  • _ Cawley, "Sparse multinomial logistic regression via bayesian 11 regularisation, ...
  • L. Yu and H. Liu, "Feature selection for high -dimensional ...
  • D. Cai, C. Zhang, and X. He, "Unsupervised Feature Selection ...
  • M. A. Hall and L. A Smith, "Feature Selection for ...
  • H. L. H. Liu and . Setiono, "Chi2: Feature selection ...
  • O. Yamashita, "Sparse estimation automatically selects voxels relevant for the ...
  • C. M. Bishop, Pattern recognition and machine learning. springer, 2006. ...
  • I. T. Nabney, "NETLAB: Algorithms for Pattern Recogition." p. 438, ...
  • Y. Miyawaki, H. Uchida, O. Yamashita, M. Sato, Y. Morito, ...
  • I. Guyon, S. Gunn, M. Nikravesh, and L. A. Zadeh, ...
  • نمایش کامل مراجع