جداسازی جسم پینه ای از بقیه ساختارهای ماده سفید مغز انسان بر روی تصاویر تانسور انتشار با متریک لگاریتمی-اقلیدسی در قالب روش نمو سطح آماری پارامتریک
- سال انتشار: 1389
- محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
- کد COI اختصاصی: ICBME17_061
- زبان مقاله: فارسی
- تعداد مشاهده: 1883
نویسندگان
دکتری تخصصی مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه ترب
دانشیار مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت
چکیده
تعریف مناسب معیار فاصله بین تانسورها تاثیر عمیقی روی نتایج بخش بندی تصاویر تانسور انتشار دار د . در این میان، متریکژئودزیک بهترین معیار فاصله از لحاظ کیفیت نتایج حاصله با الگوریتم نمو سطح آمار ی می باش د . اما مشکل عمده متریک ژئودزیک، هزینه بالایمحاسباتی الگوریتم ناحیه بند ی توسعه یافته براساس آ ن می باشد . هدف اصلی این مقاله، ارزیابی امکان جایگزینی متریک ژئودزیک با متریکجدید لگاریتمی -اقلیدسی به منظور کاهش هزینه محاسباتی الگوریتم ناحیه بند ی می باشد. بدین منظور، متریک لگاریتمی-اقلیدسی در قالبالگوریتم نمو سطح آماری قرار گرفت. این موضوع، با ارایه توزیع گوسی و تعریف اندازه گرادیان در تصویر تانسور انتشار با متریک لگاریتمی -اقلیدسی از لحاظ عملی محق ق می شو د. نتایج ما نشان داد متریک لگاریتمی-اقلیدسی در چارچوب الگوریتم نمو سطح آماری به جداسازی بهترجسم پینه ا ی از بقیه ساختارها ی ماده سفید مغز انسا ن در مقایسه با متریکهای اقلیدسی و واگرای ی -جی و همچنین مشابه با متریک ژئودزیکمنجر می شو د . اما، مزیت عمده متریک لگاریتم ی -اقلیدسی نسبت به متریک ژئودزیک، کاهش چشمگیر هزینه محاسباتی الگوریتم ناحیه بندیبه نسبت 30 می باشد . نتایج کیفی و کمی تحقیق نشان داد متریک لگاریتمی -اقلیدسی جایگزین مناسبی برای متریک ژئودزیک در بخش بندیتصاویر تانسور انتشار با الگوریتم نمو سطح آماری می باشد.کلیدواژه ها
الگوریتم نمو سطح آماری پارامتریک، تصویر تانسور انتشار، متریک لگاریتمی-اقلیدسی، هزینه محاسباتیمقالات 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.