کاربرد هوش مصنوعی در تشخیص ضایعه های خوش خیم و بدخیم در تصاویر ماموگرافی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,218

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITH01_011

تاریخ نمایه سازی: 9 شهریور 1391

چکیده مقاله:

ماموگرافی روشی دقیق و مطمئن برای تشخیص سرطان پستان درمراحل اولیه است دراین مقاله از تبدیل موجک برای تشخیص به کمک کامپیوتر جهت تشخیص سرطان پستان استفاده شده است برای انجام کار از تصاویر دیجیتال ماموگرام استفاده شده و روشی برای بهبود کارایی سیستم جهت انتخاب ویژگی های مناسب ارایه شده است سیستم طراحی شده از سه مرحله تشکیل شده است درمرحله اول که پیش پردازش نام دارد از تبدیل موجک استفاده کرده و تصاویر ماموگرام به سه سطح تجزیه می شوند مرحله دوم که تحلیل نام دارد شامل استخراج و انتخاب ویژی است ویژگیهای استخراج شده ضرایب تبدیل موجک هستند تمرکز ما دراین مقاله برروی انتخاب ویژگی است از الگوریتم ReliefF برای انتخاب و کاهش تعداد ویژگیها بهره برده ایم به قسمی که ویژگیهای نامربوط را حذف کرده و مجموعه بهینه از ویژگی ها که مفید ترین اطلاعات از میان ضرایب موجک هستند را بدست آورده تادرمرحله سوم که شناخت نام دارد استفاده شوند دراین مقاله از ماشین بردار پشتیبان به عنوان کلاس بند درمرحله شناخت برای تشخیص توده های خوش خیم و تومورهای بدخیم استفاده شده است نتایج بررسی ها کارایی روش پیشنهاد شده را تایید می کند

نویسندگان

جمشید شنبه زاده

دانشجوی کارشناسی ارشد کامپیوتر دانشکده فنی و مهندسی دانشگاه تربیت مع

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 :
  • American Cancer Society available online: ...
  • http ://www .cancer. org/download s/PRO/C ancer_S tatisti c_2009_S lides_rev .ppt. ...
  • D. Sankar, T. Thomas, "Analysis of _ using fractal features, ...
  • F. Moayedi, Z. Azimifar, R. Boostani, S. Katebi, graphy ...
  • classification, " in: Lecture Notes in Computer Science, Image Analysis ...
  • H.D. Cheng, X. Cia, X. Chen, L.H. Lou, "Computer classification ...
  • microca lcification in mammosram a survey', Pattern Recognition Letters 36 ...
  • M.Rangayyan2, "Classification of breast masses using selected shape, edge-sharpness, and ...
  • Essam A. Rashed a, Ismail A. Ismail b, Sherif I. ...
  • M. Meselhy Eltoukhy, I. Faye, B. Belhaouari Samir , _ ...
  • G. Bocciglione, A. Chainese and A. Picariello, "Computer aided detection ...
  • digital mammograms, " Comput. Biol. Med 30, 2000, pp. 267-286. ...
  • S. Liu, C.F. Babbs, E.I. Delp, _ :Mu ltiresolution digital ...
  • mammograms, " IEEE Transactions on Image Processing 10 (6) , ...
  • R. Mousa, Q. Munib, A. Moussa, "Breast _ diagnosis system ...
  • E. Sakka, A. Prentza, I.E. Lamprinos, D. Koutsouris, _ :Micro ...
  • Biomedicine (IEEE-ITAB 2006), Ioannina, Epirus, Greece, October 26-28, 2006. ...
  • http : /peipa. essex. ac _ uk/ipa/pix/mias _ ...
  • Geraldo Braz Junior, Erick Correa da Silva, Anselmo Cardoso de ...
  • S. G. Mallat, "A theory for multiresolution signal decomposition: the ...
  • Nasser H. Sweilam , A.A. Tharwat , N.K. Abdel Moniem, ...
  • R. Jensen, Q. Shen, Computational Intelligence and Feature Selection, IEEE ...
  • I. Kononenk, "Estimating attributes: Analysis and extensions of RelieF, " ...
  • VN. Vapnik, The Nature of Statistical Learning Theory, New York: ...
  • microc alcification detection in digital mammograI s, " , IEEE ...
  • C. Lin, C. Yeh, Sh. Liang, J. Chung, N. Kumar, ...
  • نمایش کامل مراجع