سال انتشار: 1390
محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
کد COI مقاله: ICMVIP07_034
زبان مقاله: انگلیسیمشاهد این مقاله: 1,021
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
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 Detection of Collagenous Colitis Based OnHistopathology Image Segmentation of Colon
چکیده مقاله:
Collagenous colitis is prevalent among pathologicaldiseases. Because of normal radiological and endoscopicappearances, the microscopic image of colon tissue isnecessary and important material for investigation of thisdisease. In this paper, a computerized system is developed forcollagenous colitis diagnosis. First, colon tissues are coloredwith Mason trichrome to make sub-epithelial collagen bandto be appeared in blue. Second, preprocessing is done on themicroscopic image of colon tissue, and then Color histogramfeatures in HSV color space and Haar Wavelet energy indetail coefficients of sub-band images are implemented tocharacterize the histological structure representation fortissue classification. KNN Classifier is selected for thisclassification, which segments the sub-epithelial collagenband from the image, and finally, thickness of sub-epithelialcollagen band is determined by morphological operations.Abnormal case will be recognized if the thickness of subepithelialcollagen band be more than 10 μm. Fifty clinicalimage samples were employed in the training and testingprocedures for the evaluation of system performance.Through the applied classification it was revealed thatcollagenous colitis can be diagnosed accurately.
کلیدواژه ها:
Collagenous colitis, sub-epithelial collagen band,Color histogram features, Wavelet energies, KNN Classifier
کد مقاله/لینک ثابت به این مقاله
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/159068/
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:Malekian, Vahid و Mokhtari, Mojgan و Sadri, Saeid و Amirfattahi, Rasoul,1390,Detection of Collagenous Colitis Based OnHistopathology Image Segmentation of Colon,هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران,تهران,,,https://civilica.com/doc/159068
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, Malekian, Vahid؛ Mojgan Mokhtari و Saeid Sadri و Rasoul Amirfattahi)
برای بار دوم به بعد: (1390, Malekian؛ Mokhtari و Sadri و Amirfattahi)
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 ممقالهقاله لینک شده اند :مدیریت اطلاعات پژوهشی
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:
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
- یک روش یادگیری عمیق ترکیبی به منظور تخمین سن بیولوژیکی مغز برای کمک به تشخیص بیماری با استفاده از تصاویر MRI
- ارائه یک روش موثردردسته بندی نماهای اکوکاردیوگرافی بااستفاده از یادگیری انتقالی
- مطالعه اثر نویز گوسی و ضربه روی همجوشی ارتقا یافته به کمک سوپررزولوشن برروی تصاویر با فوکوس های چندگانه
- بازشناسی کلمات پویای مجزای زبان اشاره فارسی با استفاده از حسگر کینکت
- طبقه بندی بافت های تومور در تصاویر بافت شناسی سرطان استخوان با استفاده از PLS-LDA
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.