مروری بر رویکرد جدید استخراج ویژگی بر اساس تصاویر سی تی اسکن ریه با استفاده ازالگوریتم های یادگیری ماشین برای طبقه بندی بیماری ریه
- سال انتشار: 1397
- محل انتشار: سومین کنفرانس ملی در مهندسی کامپیوتر، فناوری اطلاعات و پردازش داده ها
- کد COI اختصاصی: CITCOMP03_002
- زبان مقاله: فارسی
- تعداد مشاهده: 875
نویسندگان
دانشیار گروه علمی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور
دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
چکیده
تشخیص صحیح بیماری ریه براساس پردازش، تجزیه و تحلیل تصاویرسی تی اسکن ریه اهمیت زیادی برای کمک در تصمیم گیری پزشکان دارد. در این مطالعه، یک روش استخراج ویژگی جدید مبتنی بر الگوهای چگالی بافت انسانی ، به نام تجزیه و تحلیل تراکم بافت ان سانی ( (AHTD ارایه شده ا ست. ضمنا باروش های ماتریس رخداد سطح خاک ستری))GLCM۳، گشتاور هو))HM۴، گشتاورهای آماری))SM۵و گشتاور زرنیک ZM مقایسه شده است. مجموعه دادگان تصاویر توموگرافی قفسه سینه از بیمارستان دانشگاه Walter Cantidio Fortaleza برزیل دریافت شده است. چهار طبقه کننده یادگیری ماشین شامل: طبقه کننده بیزین ، جنگل بهینه مسیر ( OPF۷) ، نزدیکترین همسایه (KNN۸) و ماشین بردارپشتیبان ( (SVM۹ برای طبقه بندی بیماری های ریوی در تصویر قفسه سینه در این مطالعه استفاده شده است که ا ستخراج ویژگی از تصاویر ریه در ۵.۲ میلی ثانیه انجام گرفته و دقت ۹۹.۰۱ ٪ برای ت شخیص و طبقه بندی بیماری های ریوی بدست آمده است. نتیجه بدست آمده این مطالعه نشان می دهد که می تواند در برنامه های در حال اجرا به دلیل زمان برداشت سریع و دقت بالا ، روش جدید پیشنهادی این مطالعه برای طبقه بندی بیماری های ریوی براساس تصاویر سی تی اسکن ریه مورد استفاده قرار گیرد.کلیدواژه ها
تجزیه و تحلیل تراکم بافت انسانی ، ماتریس رخداد سطح خاکستری ، بیماری ریه ، گشتاور ، یادگیری ما شین ،استخراج ویژگی،ماشین بردار پشتیبان،جنگل مسیر بهینه.مقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
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.