بهبود خوشه بندی فازی با استفاده ا الگوریتم بهینه سازی گرگ خاکستری در تشخیص تومور های مغزی
محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 357
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF06_007
تاریخ نمایه سازی: 26 خرداد 1402
چکیده مقاله:
پزشکان با استفاده از تصاویر تشدید مغناطیس مغز می توانند تومورهای مغزی را تا حدودی تشخیص دهند اما یکی از روش های بهبود دقت آن ها استفاده از روش های ناحیه بندی تصاویر مانند روش های خوشه بندی است.خوشه بندی فازی به علت حساسیت اندک به نویز یک روش مناسب برای تشخیص تومور های مغزی است با این وجود خروجی آن می تواند خطای قابل توجه تولید نماید اما با انتخاب بهینه مراکز خوشه ای به صورت بهینه این خطا و چالش را می تولن بر طرف نمود.در انی مقاله برای کاهش دادن خطای تشخیص تومور های مغزی توسط الگوریتم خوشه بندی فازی از الگوریتم بهینه سازی گرگ خاکستری استفاده شده و انتخاب ماتریس عضویت بهینه در خوشه بندی فازیس توسط این الگوریتم انجام می شود.در روش پیشنهادی هر ماتریس عضویت به عنوان یک عضو الگوریتم گرگ خاکستری در نظر گرفته می وشد و با استفاده از مکانیزم های بگار رفته در این الگوریتم هر ماتریس عضویت به روز رسانی شده و توسط ماتریس عضویت بهینه در هر تکرار مراکز خوشه ای بهینه انتخاب شده و خطای خوشه بندی کاهش داده می شود.نتایج پیاده سازی روش پیشنهادی در محیط متلب بر روی تعدادی تصاویر خاکستری نشان می دهد استفاده از فیلتر رفع نویز میانه برای پیش پردازش تصاویر کیفیت ناحیه بندی را افزایش داده از طرفی افزایش تعداد خوشه مقدار شاخص شباهت،دقت،حسایت و تشخیص را کاهش می دهد و تعداد سه خوشه بهترین نتایج را رائه می دهد
کلیدواژه ها:
نویسندگان
مصطفی قاسم زاده
کارشناسی ارشد مهندسی کامپیوتر ،گرایش هوش مصنوعی ،واحد ملارد،دانشگاه آزاد اسلامی
یاسر رستمی
استادیار گروه مهندسی کامپیوتر ،دانشکده فنی و مهندسی ،واحد ملارد،دانشگاه آزاد اسلامی
محسن محرمی
استادیار گروه مهندسی کامپیوتر ،دانشکده فنی و مهندسی ،واحد ملارد،دانشگاه آزاد اسلامی