قطعه بندی تصاویر MRI جهت تشخیص اتوماتیک بیماری MS با استفاده از تبدیل ویولت و شبکه عصبی
- سال انتشار: 1396
- محل انتشار: چهارمین کنفرانس ملی مهندسی برق کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: ECIE04_030
- زبان مقاله: فارسی
- تعداد مشاهده: 1107
نویسندگان
دانشجوی کارشناسی ارشد دانشگاه علوم پزشکی کرمانشاه گروه مهندسی پزشکی
چکیده
ما با هدف کشف افراد دارای فلج چندگانه MS از کنترل های سالم HC در تصویربرداری رزنانس مغناطیسی یک سیستم جدید را بر اساس ساختار تبدیل ویولت توسعه داده ایم. داده تصویربرداری MS از لابراتور eHealth در دانشگاه قبرس دانلود شده بود و داده تصویر برداری HC در بیمار ستان محلی ما با داوطلبانی اسکن شده بود که از بر اساس تبلیغات نام نویسی کرده اند. عادی سازی اسکن درونی برای حذف اختلاف سطح خاکستری بکار گرفته شد. ما هزینه های دسته بندی اشتباه را تنظیم می نماییم تا تاثیر توزیع دسته نامتوازن را بر عملکرد دسته بندی کاهش دهیم. ما از آنتروپی موجک تبدیل ویولت ایستا دو سطحی DWT استفاده کرده ایم تا خصیصه های تصاویر مغزی را استخراج نماییم سپس ما سه دسته کننده مبتنی بر اساس شبکه عصبی را مقایسه کرده ایم که عبارت اند از: درخت تصمیم، نزدیک ترین همسایه ها KNN و ما شین بردار پشتیبانی. نتایج آزمایشی یک شبکه عصبی را که در میان کل سه دسته کننده به بهترین نحو اجرا شده اند را نشان داده اند. بعلاوه، رویکرد جامع بر مبنای الگوی شبکه عصبی و با رویکرد تبدیل ویولت پیشنهادی با چهار رویکرد با جدیدترین تکنولوژی در اولویت قرار دارد. رویکرد کشف MS پیشنهادی ما موثر است MRI (تصویر برداری بر اساس تشدید مغناطیسی) یک تکنیک پزشکی است که اساسا برای استفاده رادیولوژیست ها جهت مشاهده ساختار داخلی بدن بدون هیچ گونه عمل جراحی است. MRI اطلاعات فراوانی را از بافت بدن انسانی فراهم می کند جهت تشخیص MS به ما کمک می کند. بخش بندی دقیق تصاویرMRI جهت تشخیص MS به کمک ابزارهای کامپیوتری، برای ما اهمیت دارد. بعد از بخش بندی مناسب تصاویر MRI، بیماری MS در دسته بندی خوش خیم بدخیم قرار می گیرد. بر همین مبنا از الگوریتم های شبکه عصبی بر مبنای توابع پایه ای شعاعی PCA به همراه ساختار ول تبدیل ویولت در رابطه با تشخیص و کلاس بندی و بخش بند تصاویر مربوط استفاده خواهد شدکلیدواژه ها
بخش بندی تصویر مغز، MRI، مدل تبدیل ویولت، شبکه عصبی بر مبنای توابع پایه ای شعاعیمقالات مرتبط جدید
- اجرای پایلوت نانوپوشش سیلیکونی بر روی تجهیزات عایقی پست های منتخب تهران و مشهد و بررسی نتایج عملکرد میدانی
- تدوین دستورالعمل برای استفاده از نانوسیالات خنک کننده نیروگاهی
- تولید نانو الیاف کامپوزیتی کربن/ NiMoO۴ به روش الکتروریسی
- پوششش دهی و آزمون مقره های سرامیکی ۷۰ کیلو نیوتون با مواد سیلیکونی حاوی نانو ذرات سیلیکا
- نانوسیالات خنک کننده و بررسی پارامترهای موثر بر خواص و پایداری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.