ارائه روشی نوین با استفاده از تکنیک های یادگیری دسته جمعی جهت طبقه بندی بافت های مغز در تصاویردیجیتال MRI

یادگیری دسته جمعی یکی از روش های آموزش یادگیری ماشین است که از چندین الگوریتم یادگیر استفاده می کند تا بهترین بازدهرا بدست آورد. این الگوریتم در مطالعات گذشته در زمینه پیش بینی امتحان خود را پس داده است. یکی از اشکالات روش های تکمرحله ای در مطالعات گذشته پایین بودن دقت پیش بینی است. در این پایان نامه قصد داریم با استفاده از تکنیک های یادگیری دستهجمعی و ترکیب آن با الگوریتم های هوشمند روشی یا دقت بیشتر و خطای کمتر در مرحله طبقه بندی بافت مغز ارائه دهیم. استفادهو ترکیب از تکنیک های یادگیری دسته جمعی با الگوریتم های هوشمند به برای بالا بردن دقت طبقه بندی بافت های مغز از نوآوریهای در نظر گرفته در این تحقیق می باشد. برای این منظور ابتدا تصاویر MRI از پایگاه های معتبر انتخاب و بعد از پیش پردازش،قطعه بندی و تصحیح خطا های احتمالی. استخراج ویژگی از داده های انجام می شود. در نهایت در مرحله آخر طبقه بندی تصویر براساس بردار ویژگی صورت می گیرد. نتایج حاصل با استفاده از معیارهای دقت. حساسیت. ویژگی، زمان اجرای فاز انتخاب ویژگی ها،زمان اجرای الگوریتم ژنتیک مرحله اول. زمان اجرای الگوریتم ژنتیک مرحله دوم و زمان اجرای تجمیع بیانگر بهبود الگوریتم ارائهشده با توجه به بازده عملکردی می باشد.

کلیدواژه ها:

، MRI ، قطعه بندی ، الگوریتم ژنتیک ، کوهاوی- والپرت