قطعهبندی روی تصویر سی تی اسکن ناحیه شکم برای تشخیص بهتر تومورهای خطرناک با استفاده ازالگوریتم های FCM و K- means
عنوان مقاله: قطعهبندی روی تصویر سی تی اسکن ناحیه شکم برای تشخیص بهتر تومورهای خطرناک با استفاده ازالگوریتم های FCM و K- means
شناسه ملی مقاله: CITCOMP01_148
منتشر شده در کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات در سال 1395
شناسه ملی مقاله: CITCOMP01_148
منتشر شده در کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات در سال 1395
مشخصات نویسندگان مقاله:
میلاد بیاری - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
علیرضا علیزاده - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
امین اسحاقی - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
گلنوش عبائی - استادیار موسسه آموزش عالی شهاب دانش قم
خلاصه مقاله:
میلاد بیاری - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
علیرضا علیزاده - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
امین اسحاقی - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
گلنوش عبائی - استادیار موسسه آموزش عالی شهاب دانش قم
قطعه بندی به عنوان یک فاز مهم در پردازش تصویر مطرح بوده و عبارت است از تفکیک پیکسلهای تصویر به نواحی مجزایی که ویژگیهایی مانند شدت روشنایی بافت و رنگ یکسان هستند و یا بیشترین همبستگی را دارند. در قطعه بندی یک تصویر پیکسلها باید در زیرمجموعههایی گروهبندی شوند تا از آنها نتایج معناداری حاصل شود. خوشهبندی یکی از روشهای مورد استفاده در قطعهبندی تصویر است. خوشهبندی فرایند تجزیه و تحلیل آماری است که در آن اشیای مشابه در مجموعههای همگن تحت عنوان خوشه گروهبندی میشوند.در این مقاله ابتدا با اعمال فیلترهای مختلف از جمله فیلترهای پریویت، سوبل، میانگین و ترکیب آن ها سعی در بهبود کیفیت تصویر و آشکارسازی لبه ها شده است. سپس با اعمال الگوریتم K-means و FCM تصویر قطعه بندی شده است. در پایان نتایج توسط یک فرد خبره مورد ارزیابی قرار گرفته و نتایج قابل توجهی بدست آمد.
کلمات کلیدی: ؛(قطعه بندی تصویر)، (لبه یابی) ، (سی تی اسکن) ، (خوشه بندی) ، (FCM) ، (K-means)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/494077/