طراحی سیستم تشخیص ندول های ریوی از روی تصاویر سی تی اسکن ریه با استفاده از طبقه بندی کننده ماشین بردار پشتیبان
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 229
فایل این مقاله در 10 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:
JR_JHBMI-3-4_006
تاریخ نمایه سازی: 9 مرداد 1403
چکیده مقاله:
مقدمه: تشخیص ندول های ریوی به کمک رادیولوژی یکی از روش های تشخیص زودرس سرطان در تصاویر سی تی اسکن است. یکی از چالشهای اصلی برای تشخیص ندولهای ریوی ، مشکل شناسایی و تفکیک ندولهای ریوی از اجزا ریه میباشد. در این پژوهش یک سیستم تشخیص به کمک کامپیوتر جهت شناسایی این ندول ها معرفی شده است.
روش: این پژوهش مطالعهای توصیفی، تحلیلی بوده که به روی ۹۷ تصویر سیتی اسکن انجام شده است. جهت تشخیص ندولهای ریوی از طبقه بندی کننده ی ماشین بردار پشتیبان و الگوریتم ژنتیک به کمک نرم افزار متلب استفاده شده است.
نتایج: در این پژوهش در مورد ریه، سعی در دسته بندی نواحی تصاویر، به دو دسته دارای ندول و بدون ندول شده است. تحقیق حاضر درصدد ایجاد چارچوبی کاملا خودکار برای شناسایی ندول های ریوی در تصاویر سی تی اسکن قفسه سینه می باشد. این چارچوب بخشی اساسی از سیستم شناسایی به کمک کامپیوتر بوده که در شناسایی دقیق و سریع تر ندولهای ریوی به رادیولوژیست کمک می نماید.
نتیجه گیری: با توجه به نتایج حاصل از این مطالعه، برای تشخیص مناطق مشکوک به ندول، سیستم پیشنهادی به طور موثری در تشخیص ندول های مشکوک و مناطق آن ها نسبت به روش های قبلی بهتر عمل کرده است.
کلیدواژه ها:
Pulmonary Nodules ، CT Scan Images ، Support Vector Machine Classifier ، ندول های ریوی ، تصاویر سی تی اسکن ، طبقه بندی کننده ی ماشین بردار پشتیبان.
نویسندگان
حمیدرضا غفاری
دکتری مهندسی کامپیوتر، استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد فردوس، دانشگاه آزاد اسلامی، فردوس، ایران.
مصطفی مستشاری
M.Sc. Computer Engineering, Department of Computer Engineering, Ferdows Branch, Islamic Azad University, Iran.
مریم سادات محمودی
کارشناس ارشد علوم کامپیوتر، مربی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران.
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 :