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

Comparison Evaluation of Three Optimization Algorithms in MRF model for Brain Tumour Segmentation in MRIs

سال انتشار: 1390
کد COI مقاله: ICEE19_471
زبان مقاله: انگلیسیمشاهده این مقاله: 744
فایل این مقاله در 5 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 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Comparison Evaluation of Three Optimization Algorithms in MRF model for Brain Tumour Segmentation in MRIs

Sahar Yousefi - Shahrood University of Technology
Reza Azmi - Alzahra University

چکیده مقاله:

MRI brain segmentation plays an increasingly important role in diagnosis and treatment of diseases. Since MRI segmentation manually consumes valuable human resources, a great deal of efforts has been made to automate this process. MRF has been one of the most active research areas of MRI brain segmentation which seeks an optimal label field in a large space. The classical optimization algorithm is Simulated Annealing (SA) that could get the global optimal solution with heavy computation burden. Hence many efforts have been made to obtain the optimal solution in a reasonable time. In this paper, a comparison evaluation of two proposed optimal researching algorithms with the classical RF for brain tumour segmentation is presented. The first applies a combination of improve genetic algorithm (IGA) and SA, the second uses a hybrid of ant colony optimization (ACO) and gossiping algorithm. The obtained results can assist users to select the appropriate approach for tumour segmentation

کلیدواژه ها:

Markov Random Field (MRF); Simulated Annealing (SA); Improved Genetic Algorithm (IGA);Ant Colony Optimization (ACO); Gossiping Algorithm;Tumour image segmentation

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICEE19_471 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/154044/

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:
Yousefi, Sahar and Azmi, Reza,1390,Comparison Evaluation of Three Optimization Algorithms in MRF model for Brain Tumour Segmentation in MRIs,19th Iranian Conference on Electric Engineering,Tehran,,,https://civilica.com/doc/154044

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: (1390, Yousefi, Sahar؛ Reza Azmi)
برای بار دوم به بعد: (1390, Yousefi؛ Azmi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • _ _ _ images, " [6] _ _ _ _ ...
  • B. Caputo, E. L. Torre, S. Bouattour, G. E. Gigante, ...
  • S. Yousefi, R. Azmi, M. Zahedi, "Brain tumor segmentation in ...
  • _ _ _ _ _ [18] A. S. Tanenbaum, Distributed ...
  • MRIs using an improved markov random field model, " Int. ...
  • J. M. Hammersley, P. Clifford, "Markov field on finite graphs ...
  • 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 دولتی
    تعداد مقالات: 7,663
    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 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