تشخیص تومور مغزی ازMRIبا استفاده از پردازش تصویرو شبکه عصبی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,765
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_027
تاریخ نمایه سازی: 7 بهمن 1393
چکیده مقاله:
بیماری های مغزی همچون تومورهای سرطانی ازعوامل شایع درمرگ ومیرانسانها می باشند. امروزه استفاده ازروشهای خودکارکامپیوتری برای استخراج هرچه سریعتروشناسایی بهترمکان تومورموردتوجه قرارگرفته است. روش هایی که امروزه جهت بررسی استخراج توموربصورت خودکار مورداستفاده قرارمی گیرد،نوع و ساختارتصویر درآنها اهمیت داردکه این روش یک نوع خطای تشخیص به حساب می آید واگرنوع تصویرمتفاوت باشداستخراج توموربدرستی انجام نمی شود.دراین پژوهش سعی شده است تاحدودی این خطای تشخیصی کاهش داده شده ودراستخراج توموربصورت خودکارنوع و ساختارتصویرلحاظ نشود.بدین صورت که بااستفاده ازترکیب قابلیت های موجوددرشبکه های عصبی وروش های مبتنی برهیستوگرام می توان یک سیستم با کارایی و قابل اطمینان بالا جهت تشخیص وجود توموردرتصاویر مختلف راایجاد نمود. درمدل پیشنهادی تصاویر T1-weighted وT2-weighted هردودرمجموعه تست وآموزش استفاده می شوند. دراین روش ابتدا تصاویررابه دودسته تست وآموزش تقسیم نموده وسپس الگوریتم مبتنی برهیستوگرام بر روی آنهااعمال می شودوویژگی های بدست آمده دریک مجموعه داده نگهداری می شود. این ویژگی هابرای آموزش به شبکه عصبی مورد استفاده قرار گرفته و پس ازآموزش دادن شبکه، داده های تست به آن اعمال می شود .نتایج روش پیشنهادی نشان می دهدکه الگوریتم استفاده شده دراین پژوهش دقت مناسبی درحدود66/96 درصددرتشخیص تومور راارایه می دهد.
کلیدواژه ها:
نویسندگان
سمیه عصاره
دانشگاه آزاد اسلامی واحد دزفول،دزفول، 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 :