طراحی یک سیستم خبره جهت شناسایی و طبقه بندی سرطان لنفوم با استفاده از داده های تصویری MRI

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 589

فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF02_601

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

توسعه نرم افزارها و پیدایش تکنیک های پردازش تصویر و عکس برداری موجب شده است که MRI ( تصویر رزونانس مغناطیسی) کاربردهای فراتر از عکس برداری بافت های نرم (غیر استخوانی) داشته باشد و بتوان از آن به عنوان وسیله ای جهت اندازه گیری عملکرد بافت و تشخیص سرطان خون از جمله سرطان لنفوم استفاده شود، با توجه به پیشرفت های سریعی که در سال های اخیر در این عرصه داشته ایم، تصور می شود که به توجه خاصی جهت بهبود شیوه های قدیمی نیاز است. هدف از این تحقیق بهبود توانایی شیوه های بکار گرفته شده و همچنین بررسی تکنیک های شبکه عصبی و تلفیق آن با تصاویر MRI جهت تشخیص و پیش بینی اختلالات خونی و سرطان خون لنفوم می باشد. تصاویر MRI مورد بررسی در این تحقیق تصاویری از ناحیه مغز استخوان تعدادی افراد سالم و مبتلا به سرطان لنفوم است. در این تحقیق به بررسی و تشخیص سرطان خون لنفوم هوچکین و غیر هوچکین با استفاده از داده های تصویر MRI پرداخته شده است که در آن کاربرد جدید شبکه های عصبی مصنوعی در کتب پزشکی را نشان می دهد. تکنیک پیشنهادی در این پژوهش شامل پنج مرحله می باشد، به لیگ اول پیش پردازش تصاویر با استفاده از به کارگیری انواع فیلترها برای بهبود تصاویر جهت تشخیص بهتر بیماری می باشد. مرحله دوم، قطعه بندی تصاویر با استفاده از ویولت جهت حذف ویژگی های کم اهمیت بوده است. مرحله سوم، عبارت است از استخراج ویژگی از نقاط سرطانی با به کارگیری GLCM و Regionprops می باشد مرحله چهارم، الگوریتم PCA و PSO جهت تشخیص نقاط آلوده به سرطان و تعیین بهترین ویژگی های مربوط به آن می باشد در مرحله پنجم، طبقه بندی تصاویر و تعیین نوع بیماری هوچکین و غیر هوچکین با بکارگیری K-mean و SVM با اجرای مراحل مربوط به این پژوهش این نتیجه حاصل شد که مراحل و علی گریزهای به کار گرفته شده شرایط مطلوبی را جهت تشخیص و تعیین نوع بیماری لنفوم فراهم می سازد.

نویسندگان

حمزه صادقی پور

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد بافت، بافت، ایران

مهران ایدالی

گروه مهندسی کامپیوتر، واحد بافت، دانشگاه آزاد بافت، ایران

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 :
  • مدیریت سلامت، شماره 40، خرداد ماه سال .1389 ...
  • کیفیت، ناشر جهانتاب، 2 اسفند .1388 ...
  • علی اصغر صفری فرد، سرطان خون: لوکمی، لنفوم هوچکین، لنفوم ...
  • بتنی بر همکاری و مقدار شیپلی"، مجله علوم پزشکی مدرس، ...
  • بابک بهار، اصول طب داخلی هاریسون 08 20: بیماری‌های خون ...
  • دکتر محمد باقر منهاج، هوش محاسباتی با تجدید نظر کلی: ...
  • N.H.Abd Halim, and M.Y.Mashore, and A.S.Abdul Nasir, and N.R.Mokhtar, and ...
  • R.Adollah, and M.Y.Mashor, and N.H.Harun, and E.U.Francis, "Bone marrow image ...
  • A.Abdul Nas ir, MY.Mashor, and R.Hassan, "classification of acute leukaemia ...
  • F.Lamberti, and B.Montracchio, and A.Gamba, "Quantitative analysis of vascular structures ...
  • MRI estimation of agent concentration in tissue using a neural ...
  • M.Jafari, Sh.Kasaei, 0Automatic brain tissue detection in MRI images using ...
  • A. Erfanian, P. E. Crago, "Neural network modeling of electrically ...
  • A. S oltani, M .Sadatsafavi , A.Moayyeri, B.Larijani, M.Nouraie, A ...
  • Z.Zhou, Lung cancer cell identification based on ANN ensembles", Journal ...
  • C. T. Douglas, J. V. Hirschmann, Atlas of Clinical Hematology, ...
  • G. Liney, MRI from A to Z A Definitive Guide ...
  • _ _ _ development basd on marrow cell images, " ...
  • A. Da-Ping, YIN, X. Hong, L. Bo-Qiang, L. Zhong-Guo, YUAN ...
  • X. Zheng, and Y. Zhang, "A fish population counting method ...
  • teeth identification method based on fuzzy recognition, " The 2nd ...
  • S. Tsunoda, S. Takagi, O. Tanaka, and Y. Miura, "Clinival ...
  • S. Takagi, O. Tanaka, H. Origasa, and Y. Miura, "Prognostic ...
  • A. Rahmouni, M. Meignan, M. Divine, A. Luciani, C. Haioun, ...
  • V. Mankad, J.P. Williams, M.. Harpen, E. Manci, G. Lonhenecker, ...
  • R.H. Daffher, A.R. Lupetin, N. Dash, Z.L. Deeb, R.j. Sefczek, ...
  • T.J. Mosher, "Diagnostic effectiveness of gado l inium-enhanced MR imaging ...
  • M.J. Siegel, "MRI of bone marrow, " Armed Forces Institute ...
  • P. Marcon, and K. Bartusek, "Multiparametri c data collectio of ...
  • K. Nagayama, Y. Oshiumi, and M. Yumita, "3D particle simulation ...
  • assessment of erythrocyte disorders using artificial neurl Automated؛ه [37]S. Zahir, ...
  • I. Strolka, R. Toffanin, A. Accardo, D. Dreossi, I. Frollo, ...
  • M. Chakraborty, B. Tudu, "Comparison of ANN models to predict ...
  • S. Mohapatra, D. Patra, S. Satpathi, "Image analysis of blood ...
  • Lia A. Moulopoulos, and Meletios A. Dimopoulos, "magnetic resonance imaging ...
  • S. Hwang, and D. M. Panicek, _ Magnetic resonance imaging ...
  • N. Sinha and A G. Ramakrishna. Automation of Differentil Blood ...
  • M.E. Peterson, A.F. Frangi, W.J. Niessen, P.C.W. Hogendoom, J.L. Bloem, ...
  • M. Payandeh, M. Aeinfar, V. Aeinfar, M. Hayati, "A new ...
  • R. Pal, P. Garg, R. Chechi, S. Kumar, N. Kumer, ...
  • neural network based cancer cell classification Artificial؛ه [48]G. Bhat, V.G. ...
  • Y.M. Hirimutugoda, G. Wijayarathna, "Artificial intelligence -based approach for determination ...
  • A. Nasir, M.Y. Mashor, and R. Hassan, "Classificatio of acute ...
  • S. Tsunoda, S. Takagi, O. Tanaka, and Y. Miura, " ...
  • Y. Ireaneus Anna Rejani, S.Thamarai Selvi, " EARLY DETECTION OF ...
  • Patient information from the American society of clinical oncology . ...
  • National institutes of Health. WWW.nih.gov, (1393) ...
  • Wintrobe's Atlas of Clinical Hematoloy. WWW.tegbyan .ir, (1393) ...
  • faradars _ org/review -team- membership Matlab site. _ .matlabsite.ir , ...
  • نمایش کامل مراجع