ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

آشکار سازی تومور مغزی در تصاویر MRI با استفاده از شبکه های عصبی مصنوعی آموزش دیده با الگوریتم اجتماع گروه ذرات

سال انتشار: 1397
کد COI مقاله: MPECONF01_001
زبان مقاله: فارسیمشاهده این مقاله: 211
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله آشکار سازی تومور مغزی در تصاویر MRI با استفاده از شبکه های عصبی مصنوعی آموزش دیده با الگوریتم اجتماع گروه ذرات

مریم اردشیری - دانشگاه آزاد اسلامی، واحد لاهیجان، گروه مهندسی برق، لاهیجان، ایران
فاطمه عبداله پور - دانشگاه آزاد اسلامی، واحد لاهیجان، گروه مهندسی برق، لاهیجان، ایران
حسین مهدی نیا رودسری - دانشگاه آزاد اسلامی، واحد لاهیجان، گروه مهندسی برق، لاهیجان، ایران

چکیده مقاله:

در این مقاله تشخیص تومور در تصاویر MRI با استفاده از روش جدید شبکه عصبی مصنوعی آموزش دیده توسط الگوریتم هوشمند اجتماع گروه ذرات PSO ارایه شده است. پردازش تصاویر امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می شود که شاخه ای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند، سر و کار دارد. در حال حاضر روش تصویربرداری MRI به دلیل وضوح و کیفیت بالا از مهم ترین ابزار تشخیص و ارزیابی تومورهای غیر قابل لمس مغز می باشد. تجزیه و تحلیل تومورهای موجود در تصاویر MRI توسط متخصصین پزشکی و بر مبنای نواحی استخراج شده توسط الگوریتم های ناحیه بندی یا خوشه بندی انجام می شود. در این مقاله مدلسازی روش فیلتر میانه یا K-means برای تشخیص تومور در تصاویر MRI ارایه میشود و با روش جدید تشخیص تومور مغزی با استفاده از شبکه عصبی مصنوعی آموزش دیده توسط الگوریتم هوشمند اجتماع گروه ذرات PSO مقایسه می شود. نتایج شبیه سازی بر روی تصاویر مختلف MRI گرفته شده از مغز با دو روش مذکور اعتبارسنجی می شود

کلیدواژه ها:

آشکار سازی تومور مغزی، MRI ، شبکه های عصبی مصنوعی، الگوریتم اجتماع گروه ذرات

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا MPECONF01_001 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/855568/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اردشیری، مریم و عبداله پور، فاطمه و مهدی نیا رودسری، حسین،1397،آشکار سازی تومور مغزی در تصاویر MRI با استفاده از شبکه های عصبی مصنوعی آموزش دیده با الگوریتم اجتماع گروه ذرات،کنفرانس ملی دستاوردهای نوین و پژوهش های کاربردی در مهندسی پزشکی،رشت،https://civilica.com/doc/855568

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، اردشیری، مریم؛ فاطمه عبداله پور و حسین مهدی نیا رودسری)
برای بار دوم به بعد: (1397، اردشیری؛ عبداله پور و مهدی نیا رودسری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 2,730
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی