تشخیص سرطان پروستات با استفاده از ترکیب روش های فازی Growcut و سیستم یادگیری جمعی
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 210
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF04_047
تاریخ نمایه سازی: 26 مهر 1400
چکیده مقاله:
بیماری سرطان پروستات و وجود این ضایعه در ناحیه پروستات مردان، امروزه موجب تشدید نگرانی های افراد شده است. تشخیص این ضایعه در بیضا نیازمند انجام آزمایشاتی در قالب MRI و ارائه نتایج به پزشک مربوطه می باشد. علی رغم ارائه روش های مختلف در این زمینه؛ اما هنوز با محدودیت هایی اعم از عدم داشتن دبت کافی و وجود خطای بالا مواجه هستیم. از این رو، در این مقاله از ترکیب روش های Growcut و روش استخراج ویژگی زرنیک و یادگیری جمعی اعم از الگوریتم های KNN ، SVM و MLP به منظور تشخیص تقسیم بندی ضایعه سرطان پروستات در تصاویر MRI استفاده شده است. از روش بهبود یافته Growcut که مبتنی بر ویژگی های هندسی تصاویر می باشد، به منظور تفکیر تصاویر MRI استفاده گردیده است. سپس با کمر تکنیک زرنیک، ویژگی های تصویر مبتنی بر ویژگی های به و بافت تصاویر استخراج شده و در نهایت از ترکیب روش های یادگیری جمعی همچون KNN, SVM, MLP اقدام به تصیم بندی و تشخیص ضایعه سرطان پروستات در تصاویر MRI می گردد. با شبیه سازی روش پیشنهادی مشاهده گردید که میزان دقت این روش که ترکیبی از چندین روش است نسبت به سایر روش ها در حدود ۲۰ % بهبود داشته است
کلیدواژه ها:
نویسندگان
بهنام حیدری
کارشناس ارشد رشته کامپیوتر گرایش نرم افزار، مدیر عامل موسسه رایان پژوهان همیار پارسه، شیراز، ایران
نیلوفر نسیمی
دانشگاه آزاد اسلامی، واحد شیراز، گروه مهندسی کامپیوتر، شیراز، ایران