تشخیص اختلال کم‌توجهی-بیش فعالی با استفاده از تصاویر MRI مغزی
محل انتشار: هشتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,849
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP08_056
تاریخ نمایه سازی: 9 بهمن 1392
چکیده مقاله:
این مقاله روش ساده‌ای را برای طبقه‌بندی و تشخیص اختلال کم‌توجهی - پیش فعالی ADHD بر اساس اطلاعات ریخت شناسی با استفاده از داده‌های تصویر برداری با تشدید مغناطیسی MRI ارائه می‌کند. برای استخراج ویژگی از این اطلاعات ریخت شناسی قبل از پردازش روی تصاویر، پیش پردازش ساده و کاربردی روی تصاویر مغزی موردنظر انجام داد که باعث می‌شود اطلاعات و ویژگی‌های غیرمفید از تصاویر حذف شود. پس از شش پردازش، برای استخراج ویژگی، از روش و الگوهای محلی دودویی LBP و یکی از مشتقات آن به نام الگوهای محلی دودویی با مقیاس متفاوت MLBP) به صفر می‌کنیم که بدین ترتیب با استفاده از ساختار ریخت شناسی بافت تصویر، بردار ویژگی‌ها و شیست و گرم تصاویر حاصل استخراج می‌شوند. پس از تشکیل فضای ویژگی با استفاده از LBP برای طبقه‌بندی و جدا کردن افراد سالم از ماشین‌های بردار پشتیبان SVM) استفاده کنیم نه در این حالت بدعت و میزان جداسازی داده‌ها برابر 70% می‌باشد. در این مقاله برای اولین بار چنین پیش پردازش و استخراج ویژگی‌های بافت تصمیم مغز انجام شده است. این روش جداسازی و طبقه‌بندی دو کلاس دیوار و سالم ساده‌تر و با پیچیدگی محاسباتی پایین‌تری انجام می‌دهد.
کلیدواژه ها:
کم‌توجهی - پیش فعالی ، تصاویر MRI ، الگوهای دودویی محلی ، ریخت شناسی ، بافت تصویر ، بردارهای ماشین پشتیبان
نویسندگان
امید رضا معروضی
دانشکده برق و رباتیک - دانشگاه صنعتی شاهرود
حسن نیک پور
دانشکده برق و رباتیک - دانشگاه صنعتی شاهرود
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 :