قطعه بندی و تشخیص تومور مغزی با استفاده از تصاویرMRI
- سال انتشار: 1402
- محل انتشار: ششمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF06_020
- زبان مقاله: فارسی
- تعداد مشاهده: 769
نویسندگان
دانشجوی دکتری ، گروه مهندسی کامپیوتر ، دانشکده فنی و مهندسی واحد تهران جنوب،دانشگاه آزاد اسلامی تهران،ایران
استادیار ، گروه مهندسی کامپیوتر ، دانشکده فنی و مهندسی واحد تهران جنوب ، دانشگاه آزاد اسلامی تهران ، ایران
دانشجوی دکتری ، گروه مهندسی کامپیوتر ، دانشکده فنی و مهندسی واحد تهران جنوب،دانشگاه آزاد اسلامی تهران،ایران
دانشجوی دکتری ، گروه مهندسی کامپیوتر ، دانشکده فنی و مهندسی واحد تهران جنوب،دانشگاه آزاد اسلامی تهران،ایران
چکیده
تومور مغزی یکی از خطرناکترین بیماری هایی است که برای بشر اتفاق افتاده است . اگر تومور به درستی و در مراحل اولیه آن شناخته شود،شانس زندگی می تواند افزایش یابد. تکنیک تقسیم بندی تصویر ام آرآی مغز به طور گستردهای برای تصویرسازی آناتومی و ساختار مغز به کار گرفته می شود. در سالهای اخیر تصویربرداری تشدید مغناطیسی (MRI) نسبت به سایر روشهای تصویربرداری پزشکی ،برای معاینه و تشخیص کمکی تومورهای مغزی بطور گسترده مورد استفاده قرار گرفته است که علاوه بر داشتن کنتراست بالا برای بافت های نرم،هیچ یک از آسیب های اشعه ی رادیواکتیو را برای انسان ندارد.پزشکان با قطعه بندی تومور در تصاویر MRI مغز می توانند اطلاعاتی از موقعیت واندازهی تومور بدست آورند و با استفاده از تجربه و دانش خود برنامه ی درمانی بیمار را مشخص کنند. انجام قطعه بندی به صورت دستی برای حجم عظیمی از تصاویر MRI کاری زمانبر و خسته کننده بوده و ممکن است باعت اشتباه در تشخیص مرزهای تومور توسط پزشک گردد؛بنابراین توسعه ی یک سیستم تشخیصی خودکاریا نیمه خودکار به کمک کامپیوتر در درمانهای پزشکی واقعی مورد نیاز است تا بتواند حجم کاری پزشکان را کاهش داده و دقت را با دادن نتایج عینی بهبود بخشند. تکنیک های قطعه بندی تومور به چهار روش مبتنی بر آستانه ،مبتنی بر منطقه ،مبتنی بر پیکسل و مبتنی بر مدل می باشد.کلیدواژه ها
تشخیص تومور مغزی،استخراج تومور،الگوریتم رشد ناحیه،تصاویر MRI ،قطعه بندی مغزمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات بیشتر در مورد 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.