انتخاب ویزگی های مؤثر در تشخیص خودکار ضایعات رنگدانه ای با استفاده از الگوریتم زنبور عسل

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 720

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

INCEE02_040

تاریخ نمایه سازی: 19 تیر 1394

چکیده مقاله:

در این مقاله روش جدیدی برای انتخاب ویژگی از تصاویر و تشخیص خودکار ضایعات رنگدانه ای پوست ارائه شده است. پس از اعمال فرآیندهای پیش پردازش و جداسازی ضایعه از پوست سالم اطراف آن، از هر تصویر ضایعه، 94 ویژگی شامل ویژگی های شکل، رنگ و بافت استخراج می شود. در این تحقیق، 250 تصویر در موسکویی شامل 115 ضایعه ملانوما و 135 ضایعه خوش خیم مورد بررسی قرار گرفته است. بعد از نرمال سازی ویزگی ها، الگوریتم زنبور عسل ویزگی هایی را تعیین می کند که با استفاده از طبقه بند k نزدیکترین همسایگی (knn) دقت طبقه بندی افزایش پیدا کند. با استفاده از این تکنیک و کاهش تعداد ویژگی ها از 94 ویژگی به 10 ویژگی بیشترین دقت طبقه بندی حاصل می شود. نتایج نشان می دهد که دقت تشخیص ضایعات رنگدانه ای، با استفاده از طبقه بند KNN و الگوریتم زنبور عسل، از 76/4% به 95/11% ارتقاء یافته است.

کلیدواژه ها:

ضایعات رنگدانه ای پوست ، استخراج ویزگی ، انتخاب ویژگی ، طبقه بند

نویسندگان

مرضیه بهجتی

دانشجوی کارشناسی ارشد مهندسی برق- کنترل، دانشگاه آزاد اسلامی واحد علی آباد کتول

آرزو ذاکری

دانشکده فنی و مهندسی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد علی آباد کتول

حامد حسینی

دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علی آباد کتول

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 :
  • Hammond. V. Reeder. A., and Gray. A., :Patterns of real-time ...
  • Diepgen. T. I., Mahler. V., "The Epidemiology of Sink Cancer", ...
  • Zagrouba. E., and Barhoumi W., _ accelerated systet for melanoma ...
  • Chwirot SC. B.W., Redzinski. J., Michniewic. Z. «Detection of melanomas ...
  • Harald Ganster AP., Reinhard Rohrer _ Ernst Wildling , Michael ...
  • Celebia. M. E., yatomib. H., Schaeferc. G., and ...
  • Stoecker. W. V., "Lesion border detection in dermoscopy images, " ...
  • Fernandez Alcon JC., Lina. C.; Ten Kate, Warner; Heinrich, Adrienne; ...
  • Maher I.R. "feature extraction of epilum inescence _ _ rhational ...
  • Antonio A.T., Chuh. Zawar V. _ onstration of residual perifollicular ...
  • Lagerstrom R. "ourfeature extraction skils". CSIRO Mathemati cal 2008. ...
  • Tasoulis, S. K., Doukas, C. N., Maglogiannis, I., and Plagianakos, ...
  • http : //www. dermis.net ...
  • http : //www. dermnet.com ...
  • Maglogiannis. I., and Doukas. C. N., "Overview of advanced compuer ...
  • Rigel. D. S., Russak. J. and Friedma. R., "The ...
  • evolution of melanoma diagnosis: 25 years beyond the ABCDs, " ...
  • Karaboga. D. and Basturk. B., "A powerful and efficient algorithm ...
  • Mohammadi, F.G., Abadeh, M.S., "Image steganalysis using a bee colony ...
  • http :/dx.doi.org/1 0. 1 01 6/j .engappai.20 13.09.016i ...
  • Karaboga. D. and Basturk. B., "On the performance of artificial ...
  • نمایش کامل مراجع