ارائه یک رویکرد جدید برای قطعه بندی تصاویر MRI بیماران MS با استفاده از الگوریتم K means و بهینه سازی آن توسط شبکه عصبی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 835
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_058
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
در این مقاله با استفاده از روش های مبتنی بر الگوریتم K means جهت قطعه بندی تصویر MRI به منظور تشخیص بیماری MS پرداخته می شودو در پایان با استفاده از شبکه های عصبی تلاش می شود تا خروجی بدست آمده از روش K means را بهینه سازی کنیم. باتوجه به اینکه تصاویر MRI مغز بیشتر شامل نویز ، غیر یکنواختی و ... است تشخیص بیماری را برای پزشک مشکل نموده بنابراین قطعه بندیدقیق تصاویر میتواند قابلیت اطمینان و اثربخشی درمان را بهبود بخشد.نظر به اینکه خوشه بندی راهی برای یافتن ساختار داده های پیچیده فراهم می کند با استفاده از این ویژگی k-means از این الگوریتم برای قطعه بندی کردن تصاویر MRI استفاده می شود و توسط شبکه های عصبی آن را بهینه نمودیم در این مقاله میبینیم که با اعمال الگوریتم K means بر روی تصاویر MRI پلاک ها به وضوح نمایش داده میشود. سپس معیار های ارزیابی از قبیل TN را استخراج میکنیم
کلیدواژه ها:
نویسندگان
مطهره سادات میرایی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد آشتیان
عباس کریمی
استادیار دانشگاه آزاد اسلامی واحد 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 :