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

قطعه‎بندی روی تصویر سی تی اسکن ناحیه شکم برای تشخیص بهتر تومورهای خطرناک با استفاده ازالگوریتم های FCM و K- means

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۳۱۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: CITCOMP01_148
زبان مقاله: فارسی
حجم فایل: ۷۳۰.۷۹ کیلوبایت (فایل این مقاله در ۱۰ 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 ۱۰ 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 ۱۲۰,۰۰۰ 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 ۱۰ 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 قطعه‎بندی روی تصویر سی تی اسکن ناحیه شکم برای تشخیص بهتر تومورهای خطرناک با استفاده ازالگوریتم های FCM و K- means

  میلاد بیاری - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
علیرضا علیزاده - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
امین اسحاقی - دانشجوی ارشد هوش مصنوعی-رباتیک ، موسسه آموزش عالی قم
    گلنوش عبائی - استادیار موسسه آموزش عالی شهاب دانش قم

چکیده مقاله:

قطعه بندی به عنوان یک فاز مهم در پردازش تصویر مطرح بوده و عبارت است از تفکیک پیکسل‎های تصویر به نواحی مجزایی که ویژگی‎هایی مانند شدت روشنایی بافت و رنگ یکسان هستند و یا بیشترین همبستگی را دارند. در قطعه بندی یک تصویر پیکسل‎ها باید در زیرمجموعه‎هایی گروه‎بندی شوند تا از آنها نتایج معناداری حاصل شود. خوشه‎بندی یکی از روش‎های مورد استفاده در قطعه‎بندی تصویر است. خوشه‎بندی فرایند تجزیه و تحلیل آماری است که در آن اشیای مشابه در مجموعه‎های همگن تحت عنوان خوشه گروه‎بندی می‎شوند.در این مقاله ابتدا با اعمال فیلترهای مختلف از جمله فیلترهای پریویت، سوبل، میانگین و ترکیب آن ها سعی در بهبود کیفیت تصویر و آشکارسازی لبه ها شده است. سپس با اعمال الگوریتم K-means و FCM تصویر قطعه بندی شده است. در پایان نتایج توسط یک فرد خبره مورد ارزیابی قرار گرفته و نتایج قابل توجهی بدست آمد.

کلیدواژه‌ها:

؛(قطعه بندی تصویر)، (لبه یابی) ، (سی تی اسکن) ، (خوشه بندی) ، (FCM) ، (K-means)

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_148.html
کد COI مقاله: CITCOMP01_148

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:
بیاری, میلاد؛ علیرضا علیزاده؛ امین اسحاقی و گلنوش عبائی، ۱۳۹۵، قطعه‎بندی روی تصویر سی تی اسکن ناحیه شکم برای تشخیص بهتر تومورهای خطرناک با استفاده ازالگوریتم های FCM و K- means، کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات، تهران، دبیرخانه دایمی کنفرانس، https://www.civilica.com/Paper-CITCOMP01-CITCOMP01_148.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: (بیاری, میلاد؛ علیرضا علیزاده؛ امین اسحاقی و گلنوش عبائی، ۱۳۹۵)
برای بار دوم به بعد: (بیاری؛ علیزاده؛ اسحاقی و عبائی، 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 :

  • Cheung, K. F., & Chan, W. K. (1995, March). Fuzzy ...
  • Kuo, Y. H. Lee, C. S., & Liu, C. C. ...
  • El-Khamy, S. E., Lotfy, M., & El-Yamany, N. (2000). A ...
  • Tugan, N., Amin, M., &Dey, P. P. (2008, April). Early ...
  • Chaira, T., & Ray, A. K. (2004). Threshold selection using ...
  • Shen, Y., Sankar, R. T., Qian, W., Sun, X., & ...
  • Pham, D. L., Xu, C., & Prince, J. L. (2000). ...
  • Earl, Gose, Richard Johnsonbaugh, and Steve Jost. "Pattern recognition and ...
  • Xu, X., Yang, Z., & Wang, Y. (2009). A method ...
  • Ganesh, M., &Palanisamy, _ (2012, October). A modified adaptive fuzzy ...
  • Gonzalez, R. C., Woods, R. E., &Eddins, S. L. (2009). ...
  • Nong, Y., "The Handbook of Data Minig" , LAWRENCE ERLBAIUM ...
  • 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.