بازشناسی هوشمند چند کلاسه توده ها در تصاویر ماموگرافی با استفاده از ممان شبه زرنیک، الگوریتم ژنتیک و طبقه بند شبکه استنتاج عصبی-فازی تطبیقی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 629

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_053

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

درایران، سرطان سومین عامل مرگ ومیراست ودربین بیماری ها، سرطان پستان شایع ترین عامل مرگ ومیر در زنانایرانی به حساب می آید؛ به گونه ای که یک پنجم مرگ و میر در میان زنان ناشی از بروز این سرطان است. وجود یکسیستم هوشمند که دقت بالای را در تفکیک و بازشناسی توده های مختلف، اعم از توده های بدخیم، خوش خیم،میکروذره و فبیرها به همراه داشته باشد، ضروری و لازم خواهد بود، چرا که گاهی پزشک متخصص نیز در تصاویرماموگرافی تفسیری اشتباه را ارائه میدهد. در مطالعه کنونی، سعی بر جداسازی و بازشناسی هوشمند توده های مختلفسرطان سینه در تصاویر ماموگرافی بوده، به قسمی که در گام نخست، با استفاده از ممان های شبه زرنیک ویژگی هایکارآمد از تصویر ورودی استخراج می شود و در گام بعدی الگوریتم تکاملی ژنتیک ابعاد بردار ویژگی را کاهش می دهد.گام نهایی، طبقه بندی نوع توده احتمالی در تصویر ماموگرافی و بررسی شدت آن بر مبنای شبکه عصبی-فازی تطبیقی(ANFIS) خواهد بود. مجموعه تصاویر دریافت شده نمونه از پایگاههای داده Mini-Mias و DDSM هستند که انواع مختلفی از توده های احتمالی را در تصاویر ماموگرافی دربردارند. در کار حال حاضر، تمرکز بر ارائه الگوریتمی جدید درتفکیک دقیق انواع توده های موجود در تصاویر ماموگرافی است، با این رویکرد که پزشک متخصص بتواند نوع توده ومرحله بیماری احتمالی را پیش بینی نماید.

نویسندگان

ندا لطفی زاده مهرآبادی

گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه آزاد واحد تبریز، تبریز

سیامک حقی پور

گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه آزاد واحد تبریز، تبریز

خسرو رضائی

گروه مهندسی پزشکی، دانشکده برق و کامپیوتر، دانشگاه حکیم سبزواری، سبزوار

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 :
  • T. Subashini, V. Ramalingam, S .Palanivel, assessment of breast tissue ...
  • 1 .A.Khotanzad, Y. H. Hong, "Invariant image recognition by Zernike ...
  • The knowledge book. Everything you need to know to get ...
  • Cancer Fact sheet NF297, World Health Organization, 2014. ...
  • W. F. Anderson, R. M. Pfeiffer, G. M. Dores, M. ...
  • histopathologic types of breast carcinoma, " Cancer Epidemiol Biomarkers Prev. ...
  • Harirchi, M. Ebrahimi, N. Zamani et al, _ cancer in ...
  • O. Mangasarian, W. Nick Street, W. Wolberg, _ cancer diagnosis ...
  • S. Majid, E. S. de Paredes, R. D. Doherty, N. ...
  • carcinoma: pitfalls and Pearls Radiographics, Vol. 23, pp. 881-895, 2003. ...
  • F. L. Lizzi, E. J. Feleppa, "Image processing and pre-processing ...
  • B. Bittersohl and al, _ Imaging of the Human Pelvis: ...
  • micro calcification Automatic؛ه 9. A.Oliver, et al, and cluster detection ...
  • J. _ Jasmine, A. Govardhan, S. Baskaran, digital ...
  • on Control, Automation, C ommunication and Energy Conservation, pp 1-6, ...
  • Rabottino G, et al, "Mass contour extraction in mammo graphic ...
  • Uncertainty Estimation in Measurement, pp 39-43, 2009. ...
  • Rejani, S.Thamarai Selvi, "Early detection of classifier ...
  • technique", International Journal on Computer Science and Engineering, Vol.1, No. ...
  • M. A. Alolfe, A. Youssef, Y. M. Kadah, A. S. ...
  • 5.Mazurowsk MA, et al, "Mutual information- based template matching scheme ...
  • M. Zhang, Y. Chai, J. Wang, "An integrated method for ...
  • S. Xu, H. Liu, E. Song, _ M arker-c ontrolled ...
  • mammograms J Digit Imaging Vol. 24, No. 5, pp. 754-763, ...
  • A Oliver, X. Llad o, J. Freixenet, J. Mart I, ...
  • T. M. Deserno, M. Soiron, J. E. de Oliveira, AdA ...
  • J. Dheeba, S. Tamil Selvi, "Screening mammogram images for abnormalities ...
  • Y. Kabbadj, F. Regragui, M. M. Himmi, _ 0Microcalcific ation ...
  • machines, " In: International Conference _ Multimedia Computing and Systems, ...
  • S. Shanthi, V. M. Bhaskaran, "Computer aided detection and classification ...
  • Informatics and Medical Engineering, pp 284- 289, 2012. ...
  • R Guzm 'an-Cabrera, et al, "Digital image processing technique for ...
  • .A.Tahmasbi, F. Saki, S. B. Shokouhi, :Classification of benign and ...
  • Sh. Sharma, P. Khanna, _ C omputer-Aided Diagnosis of Malignant ...
  • Zernike Moments and SVM, J Digit Imaging Vol. 28, pp. ...
  • M. G. Laroussi, et al, "Diagnosis of masses in mammo ...
  • L. M. Warren, et al, :Effect of image quality digital ...
  • mammo graphy, Med Phys. Vol. 39, pp. 3202- 13, 2012. ...
  • comparative Study - U Tal _ eng.tau.ac.il, 2008. ...
  • W. Wang, J. E. Mottershead, C. Mares, :Mode- shape recognition ...
  • descriptor, " Mech Syst Signal Process Vol. 23, No. 7, ...
  • Teh C-H, R. T. Chin, "On image analysis by the ...
  • The Mini-Mias database for mammograms from: ...
  • Mammo graphy, _ In Proc. International Digital Mammo graphy, 212-218, ...
  • نمایش کامل مراجع