مروری بر تشخیص و طبقه بندی بیماری های مزمن ریه توسط استخراج ویژگی از تصاویر سی تی اسکن با استفاده از تکنیک های پردازش تصویر و به کار گیری شبکه عصبی مصنوعی چندلایه

  • سال انتشار: 1397
  • محل انتشار: سومین کنفرانس ملی در مهندسی کامپیوتر، فناوری اطلاعات و پردازش داده ها
  • کد COI اختصاصی: CITCOMP03_001
  • زبان مقاله: فارسی
  • تعداد مشاهده: 710
دانلود فایل این مقاله

نویسندگان

سعید آیت نجف آبادی

دانشیار گروه علمی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور

محمدرضا فاضل نجف آبادی

دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

چکیده

تشخیص زود هنگام بیماری ریه ازطریق تصاویر سی تی اسکن یک مسیله مهم است ، زیرا تشخیص دیر هنگام بیماری باعث مرگ بیمار می شود. دراین مطالعه از روش های طیفی و آماری برای تجزیه وتحلیل تراکم بافت استفاده شده است . ازآنجایی که تصاویر سی تی اسکن ریه درطی تصویربرداری دچار نویزمی شوند، از این رو از روش های طیفی که مقاوم به نویز هستند و همچنین نسبت به چالش هایی مانند تغییر مقیاس ، تغییر حالت رو شنایی و چرخش ثابت هستند، در این مطالعه پیشنهاد شده ا ست و تشخیص بیماری ریه با ا ستفاده از ا ستخراج ویژگی تو سط روشهای آماری تراکم بافت ازت صاویر ریه انجام شده ا ست. مجموعه دادگان شامل ۷۲ تصویر دوریه از بیمارستان دانشگاه والتر برزیل می باشد. توسط شبکه عصبی مصنوعی دولایه (واحد ورودی این شبکه شامل سه ویژگی استخراج شده از ماتریس هم رویدادی سطح خاکستری ، یک لایه پنهان دارای ۵۰ نرون ولایه خروجی که شاخص های کلاس می باشد) مورد ارزیابی قرارگرفت، که دقت ۹۶٪ برای تشخیص وطبقه بندی افراد دارای بیماری مزمن ریوی و افراد سالم بدست آمد.

کلیدواژه ها

پردازش تصویر ، شبکه عصبی مصنوعی ، بیماری ریه ، موجک گابور ، تشخیص و شناسایی کامپیوتری، استخراج ویژگی.

مقالات مرتبط جدید

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.