یک الگوریتم جدید بهینه سازی روشC-meansفازی با استفاده از الگوریتم ژنتیک به منظور قطعهبندی تصاویر CT اسکن کبد
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 999
فایل این مقاله در 5 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:
TEDECE02_038
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
قطعه بندی خودکار تصاویر CT اسکن پزشکی امروزه یکی از چالش برانگیزترین زمینه ها در حوزه پردازش تصویر است. در این مقاله، هدف قطعه بندی خودکار تصایر CT اسکن کبد برای تشخیص و جداسازی تومور موجود در کبد است. تشخیص تومور کبد در برنامه ریزی جراحی surgery planning کبد 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 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:
نویسندگان
صدیقه استاداکبری
دانشجوی کارشناسی ارشد رشته مهندسی کامپیوتر. دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک
عباس کریمی
استاد یار گروه مهندسی کامپیوتر.دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک
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 :