ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Age and Gender Classification from Brain MRI Images Using the Convolutional Neural Network

سال انتشار: 1398
کد COI مقاله: ICBME26_039
زبان مقاله: انگلیسیمشاهده این مقاله: 238
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Age and Gender Classification from Brain MRI Images Using the Convolutional Neural Network

Masoumeh Siar - Department of Computer Science Science and Research Branch, Islamic Azad University Tehran, Iran
Mohammad Teshnehlab - Department of Electrical Engineering K.N. Toosi University of Technology Tehran, Iran

چکیده مقاله:

In this paper, the convolutional neural network(CNN), used for two applications, age and gender classificationfrom brain magnetic resonance images (MRI). The images usedin this paper are from the imaging centers and collected by theauthor of the paper. In this paper, the Alexnet model is used inCNN architecture. In the structure of the CNN, four categorymethod are used such as the Support Vector Machine (SVM),classifier, Decision Tree (DT) classifier, Radial Basis Function(RBF) classifier and Softmax classifier, have been used. In thefirst application, the CNN is used to gender Classification frombrain MRI. The CNN that the last layer has been used tocategorize the images into two classes. The accuracy of the CNNis obtained by the SVM classifier 96.98%, Softmax classifier96.75%, RBF classifier 95.51% and the DT classifier 95.82%. Inthe second application, the CNN is used to age classification andfrom brain MRI. The CNN that the last layer has been used tocategorize the images into five age classes. The accuracy of theCNN is obtained by the Softmax classifier 79.40%, SVMclassifier 75.28%, RBF classifier 54.32% and the DT classifier48.61%.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICBME26_039 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1011529/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Siar, Masoumeh and Teshnehlab, Mohammad,1398,Age and Gender Classification from Brain MRI Images Using the Convolutional Neural Network,26th national and 4rd international Iranian Conference on Biomedical Engineering ,Tehran,https://civilica.com/doc/1011529

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Siar, Masoumeh؛ Mohammad Teshnehlab)
برای بار دوم به بعد: (1398, Siar؛ Teshnehlab)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 32,858
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی