سال انتشار: 1394
کد COI مقاله: POWERMINOO02_046
زبان مقاله: فارسیمشاهد این مقاله: 434
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله ارائه یک تکنیک جدید قطعه بندی خودکار رگ در تصاویر CT اسکن کبد مبتنی بر روش Fuzzy C-means
چکیده مقاله:
قطعه بندی خودکار تصاویرCT اسکن پزشکی امروزه یکی از چالش برانگیزترین زمینه ها در حوزه پردازش تصویر است. در این مقاله، هدف قطعه بندی خودکار تصایرCT اسکن کبد برای تشخیص و جداسازی رگهای موجود در کبد است. تشخیص رگهای بافت کبد در برنامه ریزی جراحیsurgery planning کبد و ساختار شناسی رگها و رابطه آنها با تومورها اهمیت ویژهای دارد. تا کنون روشهای قطعه بندی زیادی در تحقیقات به کار گرفته شدهاند. از میان آنها روش Fuzzy C-Means(FCM یکی از قدرتمندترین این روشهاست. اما به دلیل روند بهینه یابی کلاسیک روش FCM این روش دارای ضعفهایی از قبیل حساسیت به مقادیر اولیه مراکز دسته و تشخیص مینیمم های محلی به جای مینیمم های مطلق دارد. در این مقاله ما با ترکیب روش بهینهیابی قدرتمند ژنتیک و الگوریتم FCM به قطعه بندی خودکار رگهای کبد می پردازیم. روش ارائه شده در این مقاله بر روی چندین تصویر CT اسکن کبد در بدن انسان پیاده سازی شده که این نتایج نشان از قدرت بالای روش ارائه شده دارند.
کلیدواژه ها:
تشخيص رگ كبد، الگوريتم FCM ، الگوريتم ژنتيك
کد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/435444/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:کریمی، عباس و احمدی، کتایون،1394،ارائه یک تکنیک جدید قطعه بندی خودکار رگ در تصاویر CT اسکن کبد مبتنی بر روش Fuzzy C-means،دومین همایش ملی سیستمهای هوشمند در مهندسی برق و کامپیوتر،مینودشت،،،https://civilica.com/doc/435444
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، کریمی، عباس؛ کتایون احمدی)
برای بار دوم به بعد: (1394، کریمی؛ احمدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
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 ممقالهقاله لینک شده اند :مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات مرتبط جدید
- تشخیص و طبقه بندی بیماری پارکینسون از طریق سیگنال گفتار با استفاده از تکنیک های پردازش سیگنال: یک مرور سیستماتیک
- طراحی پارامترهای یک ارتز توانبخشی زانو با سیستم قفل کنترلی فعال
- مروری بر پارامترهای مکانیکی موثر در طراحی ارتز مچ پا
- به کارگیری عضلات مچ دست در طراحی بهینه ارتز و بازتوانی انگشتان دست
- مروری بر روش های تشخیص بیماری قلبی
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره 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.