CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

قطعه بندی تصاویر MRI مغز مبتنی بر شبکه عصبی ، الگوریتم ماشین بردار پشتیبان و تبدیل موجک جهت تشخیص بیماری MS

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۵۹۷ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: CITCOMP01_055
زبان مقاله: فارسی
حجم فایل: ۲۵۷.۷ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه و در دو فرمت PDF یا WORD بر اساس انتخاب شما، قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال و یا فایل با فرمت WORD را به قیمت ۹۰,۰۰۰ ریال بلافاصله دریافت فرمایید.
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله قطعه بندی تصاویر MRI مغز مبتنی بر شبکه عصبی ، الگوریتم ماشین بردار پشتیبان و تبدیل موجک جهت تشخیص بیماری MS

  ستاره آدینه - دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامی واحد اراک
  فردین فرجی - دانشیار دانشگاه علوم پزشکی واحد اراک
    عباس کریمی - استادیار دانشگاه آزاد اسلامی واحد اراک

چکیده مقاله:

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش می دهد. از جمله بیماری هایی که در گذشته ناشناخته بوده،بیماری MS می باشد که نوعی اختلال خود ایمنی سیستم اعصاب مرکزی است که به واسطه پلاک های پراکنده در ماده سفید مغزی ، در اطراف بطینات مغز و در نخاع مشخص می شود.این پلاک ها در نتیجه تخریب پوشش میلین به واسطه اختلال خود ایمنی به وجود می آید.تصویربرداری MRI به دلیل دقت بالا درتشخیص بافت های نرم و نمایش تمایز بافت های طبیعی از غیر طبیعی جزء ابزارهای مهم در عرصه ی تشخیص انواع بیماری ها به خصوص بیماری های مغزی می باشد.اختلالات عصبی فراوانی وجود دارند که به سیستم عصبی مرکزی بدن آسیب جدی می رسانند.از جمله شایع ترین آن ها می توان به بیماری MS اشاره نمود.تصویر برداری MRI نشان داده است که نسبت به بیماری MS بسیار حساس می باشد و توانایی آن را دارد که ضایعات MS را نسبت به بافت های محیطی خود با شدت متفاوتی نشان دهد. صحت شناسایی و تشخیص ضایعات MS در تصاویر MR به شدت دشوار است و انجام قطعه بندی به صورت ذهنی بسیار پر خطا می باشد.یک جایگزین جذاب و دقیق برای قطعه بندی دستی ، قطعه بندی کامپیوتری می باشد که می تواند با دقت بیشتری و در مدت زمان کمتری این کار را برای پزشک انجام دهد.با استفاده از تبدیل موجک جهت استخراج ویژگی ها و شبکه عصبی و ماشین بردار پشتیبان ،قطعه بندی تصاویر MRI مغز بیمارانMS جهت جداسازی آسانتر ضایعات انجام گرفته است.قطعه بندی نشان می دهد که نتایج قابل اتکا بوده و قابلیت استفاده در بیمارستان ها،کلینیک ها و مراکز درمانی MS را دارد.

کلیدواژه‌ها:

قطعه بندی،شبکه عصبی،ماشین بردار پشتیبان،تبدیل موجک،بیماریMS

کد مقاله/لینک ثابت به این مقاله

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://www.civilica.com/Paper-CITCOMP01-CITCOMP01_055.html
کد COI مقاله: CITCOMP01_055

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:
آدینه, ستاره؛ فردین فرجی و عباس کریمی، ۱۳۹۵، قطعه بندی تصاویر MRI مغز مبتنی بر شبکه عصبی ، الگوریتم ماشین بردار پشتیبان و تبدیل موجک جهت تشخیص بیماری MS، کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات، تهران، دبیرخانه دایمی کنفرانس، https://www.civilica.com/Paper-CITCOMP01-CITCOMP01_055.html

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: (آدینه, ستاره؛ فردین فرجی و عباس کریمی، ۱۳۹۵)
برای بار دوم به بعد: (آدینه؛ فرجی و کریمی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • disease." Journal of Neural Transmis sion(20 13) 120.10: 1463-146 2. ...
  • brain MRI using genetic algorithm and support vector machine." Leonardo ...
  • of multiple sclerosis white matter lesions On conventional magnetic resonance ...
  • Ramana, K.V, Basha, K., Neural Image Recognition System with Application ...
  • Joachims, Thorsten. Learning to classify text using support vector machines: ...
  • مرتضوی، ط ه، ساوجی، محمد حسن(۱۳۸۵) :فشرده سازی وفقی سیگنال ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۵۵۹۲
    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.

    مدیریت اطلاعات پژوهشی

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

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.