تشخیص خودکار علائم نومور در تصاویر کپسول آندوسکوپی بی سیم با ترکیب الگوی LBP و ویژگی SURF
محل انتشار: سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,155
فایل این مقاله در 9 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:
ELEMECHCONF03_0271
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
یکی از اهداف اصلی کپسول آندوسکوپی بی سیم، تشخیص علائم غیرطبیعی مخاط مانند خون، زخم، پلیپ، تومور و غیره دردستگاه گوارش است. با وجود اینکه فقط کمتر از 5% از تصاویر ذخیره شده دارای این علائم باشند، پس توسعه روشی جهت متمایز ساختن یافته های غیرطبیعی از موارد طبیعی لازم می باشد. در این مقاله ما از روش بسته کلمات تصویری استفاده کرده ایم چرا که این روش برای طبقه بندی تصاویر در حوزه غیر پزشکی موفقیت آمیز بوده است. در ابتدا با پیاده سازی الگوی باینری محلی بر روی تصاویر ورودی، و سپس ارائه آنها به توصیفگر ویژگی قوی با سرعت بالا، بردارهای ویژگی را استخراج نموده و نهایتاً طبقه بند ماشین بردار پشتیبان برای تشخیص تصاویر دارای نواحی تومور از نواحی سالم آموزش داده می شود. اجرای عملیات مذکور نتایج امیدوارکننده ای را نشان می دهد.
کلیدواژه ها:
کپسول آندوسکوپی بی سیم ، بسته کلمات تصویری ، الگوی باینری محلی ، ویژگی قوی با سرعت بالا ، ماشین بردار پشتیبان
نویسندگان
شیلان رشادی
کارشناس ارشد مهندسی مکاترئنیک دانشگاه آزاد اسلامی واحد تبریز
ضیاءالدین دایی کوزه کنانی
استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
قادر کریمیان خسروشاهی
دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
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 :