ورود
مقالات فارسیISIکنفرانسهاژورنالها

یک الگوریتم c-means فازی هسته ای جدید جهت کاربرد درقطعه بندی تصاویر پزشکی

محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 987

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/187734

شناسه ملی سند علمی:

ICNMO01_141

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

قطعه بندی تصویر نقش اساسی در کاربرد تصاویر پزشکی دارد.در این مقاله،یک الگوریتم جدیدی برای قطعهه بندی فازی تصاویرMRI ارائه می دهیم.الگوریتمی که با معرفی تابع هدف در الگوریتمC-MEANS فازی که از فاصله هسته و جریمه فضایی روی توابع عضویت خود استفاده مهی کنهد تققهی مهی یابهد .در ابتدا،فاصهله اقلیدسی اصلی درFCM جایگزین فاصله هسته می شود . بنابراین الگوریتم متناظر نتیجه گرفته می شود و الگوریتم C-MEANS فازی هسته ای نامیده می شود که نسبت بهFCM قوی تر می باشد.سپس یک جریمه فضایی به تابع هدف در KFCMاضافه می شود تا شدت ناهمگونی تصاویرMR را جبران کند و برای اینکهه تقت تاثیر همسایه اش در تصویرMR قرار ریرد ،پیکسل ها را برچسب رذاری می کند

کلیدواژه ها:

قطعه بندی تصویر c_means فازی ، روش هسته ای ، فاصله هسته ، تصاویرMRI

نویسندگان

هدی خسروی

دانشجوی کارشناسی ارشد،دانشگاه آزاد اسلامی واحد ساری

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 :
  • Pham DL, Xu CY, Prince JL. A Survey of current ...
  • Wells WM, Grimson WEL, Kikinis R, Arrdrige SR. Adaptive segmentation ...
  • Bezdek JC, Hall LO, Clarke LP. Review of MR image ...
  • Dawant BM, Zijidenbos AP, Margolin R A. Correction ofintensity variations ...
  • Johnson B, Atkins MS, Mackiewich B, Andson M. Segmentation of ...
  • Pham DL, Prince JL. An adaptive fuzzy C-means algorithm for ...
  • Bezdek JC. Pattern recognition with fuzzy objective function algorithms. New ...
  • Tolias YA, Panas SM. On applying spatial constraints in fuzzy ...
  • Tolias YA, Panas SM. Image segmentation by _ fuzzy clustering ...
  • Liew AWC, Leung SH, Lau WH. Fuzzy image clustering incorporating ...
  • Ahmed MN, Yamany SM, Mohamed N, Farag AA, Moriarty T.A ...
  • Pham DL. Fuzzy clustering with spatial the ...
  • International Conference on Image Processing, New York, USA, August, 2000. ...
  • Cristianini N, Taylor JS. An introduction o SVMs and other ...
  • Vapnik VN. Statistical learning theory. New York: Wiley;1998. ...
  • Scholkopf B, Smola AJ, Muller KR. Nonlinear component analysis as ...
  • Roth V, Steinhage. Nonlinear discriminant analysis using kernel functions. In: ...
  • Hur AB, Horn D, Siegelmann HT, Vapnik V. Support vector ...
  • Girolami M Mercer kernel-based clustering in feature space. IEEE Trans ...
  • Zhang DQ, Chen SC. Fuzzy clustering using kernel methods.In: Proceedings ...
  • Cover TM. Geometrical and statistical properties of systems of linear ...
  • Muller KR, Mika S et al. An introduction to [22] ...
  • Wu KL, Yang MS. Alternative c-means clustering algorithms. Pattern Recognit ...
  • Huber PJ. Robust statistics. New York: Wiley; 1981. ...
  • Dave RN, Krishnapuram R. Robust clustering method: _ unified vie. ...
  • Leski J. Towards a robust fuzzy clustering. Fuzzy sets and ...
  • Chapelle O, Haffiner P, Vapnik V. Syms for hi stogram-based ...
  • Kwan RKS, Evans AC, Pike GB. An extensible MRI simulator ...
  • vol. 1131. S pringer-Verlag ; 1996. pp. 135-4029] Lin C.T, ...
  • network. It Proceedings of the 1992 IEEE International Conference on ...
  • Masulli F, Schenone A. A fuzzy clustering based segmentation System ...
  • Internationa Conference _ Nonlinear Modeling & Optimization 28-29 Aug. 2012, ...
  • Internationa Conference _ Nonlinear Modeling & Optimization 28-29 Aug. 2012, ...
    • نمایش کامل مراجع