ارائه یک روش تلفیقی مبتنی بر سیستم های چندعاملی در تصاویر ماموگرافی جهت تشخیص زود هنگام بیماری سرطان پستان
- سال انتشار: 1400
- محل انتشار: نهمین کنگره مشترک سیستم های فازی و هوشمند ایران
- کد COI اختصاصی: FJCFIS09_014
- زبان مقاله: فارسی
- تعداد مشاهده: 385
نویسندگان
دانشیار، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان، دانشکده مهندسی برق و کامپیوتر
دانشجوی دکتری مهندسی کامپیوتر ، گروه کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان، کرمان
چکیده
سرطان سینه یکی از شایع ترین علل مرگ و میر در میان زنان در سراسر جهان است. از این رو، تشخیص زودهنگام به نجات جان زنان کمک می کند. ماموگرافی یک تست غربالگری اصلی برای سرطان سینه است. این مجموعه شامل مصنوعات بسیاری است که تاثیر منفی در تشخیص سرطان سینه دارند. بنابراین، حذف نویزو بهبود کیفیت تصویر یک فرآیند مورد نیاز در سیستم تشخیص به کمک کامپیوتر است. دقت و کارایی بینایی ماشین با ارائه ناحیه دقیق (ROI)افزایش می یابد. استخراج ROI یک کار چالش برانگیزدر پیشپردازش تصویر است زیرا حضور ماهیچه ای سینه بر تشخیص ناهنجاری تاثیر میگذارد. در اینجا، نشان داده میشود که بااستفاده از سیستم های چند عاملی ،الگوریتم خو شه بندی means-kو تکنیکهای فیلتر وینر و تعادل هی ستوگرام تطبیقی محدود کنترا ست به طور موثری به افزایش کیفیت تصویر و سگمنت بندی ناحیه های مختلف ت صویر کمک می کنند، در نتیجه پس زمینه ناخواسته و عضله سینه را نیز با استفاده از آستانه گذاری و خوشه بندی و تکنیک رشد ناحیه اصلاح شده حذف میکند. علاوه بر این،از ترکیب الگوریتم پیشنهادی با سیستم های چند عاملی جهت شخیص تومور در تصاویر ا ستفاده می کنیم.این پژوهش بر روی پایگاه داده mini -MIAS ازمایش شد.نتایج به دست آمده با کامل بودن و صحت حذف عضله سینها ی مقایسه شد و در مجموع، این نتایج نشان می دهد که روش پیشنهادی برای بهبود کیفیت و تشخیص سرطان در تصویر ماموگرافی برای سیستم در سیستم های بینایی ماشین مناسب استکلیدواژه ها
سرطان سینه، ماموگرافی، پیش پردازش، رشد منطقه، فیلتر وینر،سیستم های چند عاملیمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد 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.