پردازش تصویرسیستماتیک برای تشخیص تومورهای مغزی رویکرد سیستم خبره فازی نوع دوم

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 446

فایل این مقاله در 10 صفحه با فرمت PDF و WORD 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:

ICMRS02_236

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

در این مقاله نوع دوم سیستم خبره فازی سیستماتیک برای تشخیص تومورهای مغز انسان (تومورهای آستروسیتوما) با استفاده از رزونانس مغناطیسی تصاویر مورد بررسی قرار گرفته است. بروز تومورهای مغزی در طول زمان افزایش یافته و از نظر بروز و درمان این بیماری می توان عواملی چون جنسیت، سن، نژاد، موقعیت جغرافیایی و ژنتیک را مد نظر گرفت. از جمله کاربرد روش های تصویربرداری، بالا بردن امکان در دسترس بودن مراقبت های پزشکی برای تیم پزشکی، تغییر روش در درمان بیماران مسن تر، تشخیص مدت زمان زنده ماندن پس از تشخیص تومور مغزی می باشد که این موارد تا حد زیادی با بافت شناسی نوع و سن شخص متفاوت می باشد. علاوه بر این، برخی از تومورهای مغزی مانند گلیوبلاستما ممکن است به طور ناگهانی و یا از طریق توسعه پیشرفت بدخیم از کلاس های پایین تر بوجود بیاید. بنابراین، تشخیص تومورهای مغزی در یک زمان مناسب برای بسیار ضروری می باشد. پیشنهاد سیستم خبره نوع دوم آزمایش شده و برای نشان دادن دقت خود را در جهان واقعی تایید شده است. نتایج نشان می دهد که این سیستم پیشنهادی در به رسمیت شناختن تومور مغزی و درجه آن را از نوع یک سیستم های خبره فازی بهتر است.

نویسندگان

روشنک جهانگیری

دانشجوی کارشناسی ارشد مهندسی کامپیوتر- هوش مصنوعی، دانشگاه آزاد اسلامی واحد الکترونیکی

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 :
  • P.V. Prasad, Magnetic Resonance Imaging: Methods and Biologic App l ...
  • M. Filippi, V. Dousset, N. De Stefano, J.C. M cGo ...
  • W.E. Brant, C.A. Helms, Fundamentals of Diagnostic Radiology, Lippincott Williams ...
  • L.M. Fletcher-Heath, L.O. Hall, D.B. Goldgof, F.R. Murtagh, Automatic segmentationof ...
  • R. Archibald, K. Chen, A. Gelb, R. Renaut, Improving tissue ...
  • L. Hu, H.D. Cheng, M. Zhang, A high performance edge ...
  • J.M. Mendel, R.I. John, Type-2 fuzzy sets made simple, IEEE ...
  • V. Kuperman, Magnetic Resonance Imaging: Physical Principles and Appli cati ...
  • L. Landini, V. Positno, M. Santarelli, Advance Image Processing in ...
  • H.R. Tizhoosh, Fuzzy image processing: potentials and state of the ...
  • H.R. Tizhoosh, G. Krell, B. Michaelis, On fuzzy enhancement of ...
  • I.B. Turksen, Type 2 representation and reasoning for CWW, Fuzzy ...
  • J.L. Fisher, J.A. S chwartzbaum, M .Wrensch, J.L. Wiemels, Epidemiology ...
  • L.M. DeAngelis, P.H. Gutin, S.A. Leibel, J.B. Posner, Intracranial Tumors: ...
  • R.N. Strickland, Image Processing Techniques for Tumor Detection, M arcel-Dekker, ...
  • L. Costa, R.M. Cesar, Shape Analysis and Classification, Theory and ...
  • M. Egmont-P etersen, D. de Ridder, H. Handels, Image processing ...
  • M. Hanmandlu, D. Jha, R. Sharma, Color image enhancement by ...
  • R. Krishnapuram, J.M. Keller, A possibilistic approach to clustering, IEEE ...
  • M.H. Fazel Zarandi, I.B. Turksen, O. Torabi Kasbi, Type-2 fuzzy ...
  • J.R. Youmans, Neurological Surgery: A Comprehensive Reference Guide to the ...
  • M.H. Fazel Zarandi, M. Zarinbal, I.B. Turksen, Type-II possibilistic C-mean ...
  • H.D. Cheng, J. Shan, W. Ju, Y. Guo, L. Zhang, ...
  • N. Durak, O. Nasraoui, J. Schmelz, Coronal loop detection from ...
  • Tur, C., Montalban, X., Tintore, M., et al., 2011. Interferon ...
  • Shiee, N., Bazin, P.L., Ozturk, A., Reich, D.S., Calabresi, P.A., ...
  • نمایش کامل مراجع