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

کاربرد هوش مصنوعی در تشخیص ضایعه های خوش خیم و بدخیم در تصاویر ماموگرافی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۷۴۱ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: CITH01_011
زبان مقاله: فارسی
حجم فایل: ۱۹۷.۲۱ کلیوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله کاربرد هوش مصنوعی در تشخیص ضایعه های خوش خیم و بدخیم در تصاویر ماموگرافی

  جمشید شنبه زاده (شناسه پژوهشگر - Researcher ID: ۳۵۷۸)
دانشجوی کارشناسی ارشد کامپیوتر دانشکده فنی و مهندسی دانشگاه تربیت مع
رویا امجدی فرد -
عابد حشمتی -

چکیده مقاله:

ماموگرافی روشی دقیق و مطمئن برای تشخیص سرطان پستان درمراحل اولیه است دراین مقاله از تبدیل موجک برای تشخیص به کمک کامپیوتر جهت تشخیص سرطان پستان استفاده شده است برای انجام کار از تصاویر دیجیتال ماموگرام استفاده شده و روشی برای بهبود کارایی سیستم جهت انتخاب ویژگی های مناسب ارایه شده است سیستم طراحی شده از سه مرحله تشکیل شده است درمرحله اول که پیش پردازش نام دارد از تبدیل موجک استفاده کرده و تصاویر ماموگرام به سه سطح تجزیه می شوند مرحله دوم که تحلیل نام دارد شامل استخراج و انتخاب ویژی است ویژگیهای استخراج شده ضرایب تبدیل موجک هستند تمرکز ما دراین مقاله برروی انتخاب ویژگی است از الگوریتم ReliefF برای انتخاب و کاهش تعداد ویژگیها بهره برده ایم به قسمی که ویژگیهای نامربوط را حذف کرده و مجموعه بهینه از ویژگی ها که مفید ترین اطلاعات از میان ضرایب موجک هستند را بدست آورده تادرمرحله سوم که شناخت نام دارد استفاده شوند دراین مقاله از ماشین بردار پشتیبان به عنوان کلاس بند درمرحله شناخت برای تشخیص توده های خوش خیم و تومورهای بدخیم استفاده شده است نتایج بررسی ها کارایی روش پیشنهاد شده را تایید می کند

کلیدواژه‌ها:

سرطان پستان، ماموگرافی، تبدیل موجک، استخراج ویژگی، انتخاب ویژگی، ماشین بردار پشتیبان

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-CITH01-CITH01_011.html
کد COI مقاله: CITH01_011

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:
شنبه زاده, جمشید؛ رویا امجدی فرد و عابد حشمتی، ۱۳۹۰، کاربرد هوش مصنوعی در تشخیص ضایعه های خوش خیم و بدخیم در تصاویر ماموگرافی، اولین کنگره کاربرد فناوری اطلاعات در سلامت، ساری، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران، https://www.civilica.com/Paper-CITH01-CITH01_011.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: (شنبه زاده, جمشید؛ رویا امجدی فرد و عابد حشمتی، ۱۳۹۰)
برای بار دوم به بعد: (شنبه زاده؛ امجدی فرد و حشمتی، ۱۳۹۰)
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 :

  • American Cancer Society available online: ...
  • http ://www .cancer. org/download s/PRO/C ancer_S tatisti c_2009_S lides_rev .ppt. ...
  • D. Sankar, T. Thomas, "Analysis of _ using fractal features, ...
  • F. Moayedi, Z. Azimifar, R. Boostani, S. Katebi, graphy ...
  • classification, " in: Lecture Notes in Computer Science, Image Analysis ...
  • H.D. Cheng, X. Cia, X. Chen, L.H. Lou, "Computer classification ...
  • microca lcification in mammosram a survey', Pattern Recognition Letters 36 ...
  • M.Rangayyan2, "Classification of breast masses using selected shape, edge-sharpness, and ...
  • Essam A. Rashed a, Ismail A. Ismail b, Sherif I. ...
  • M. Meselhy Eltoukhy, I. Faye, B. Belhaouari Samir , _ ...
  • G. Bocciglione, A. Chainese and A. Picariello, "Computer aided detection ...
  • S. Liu, C.F. Babbs, E.I. Delp, _ :Mu ltiresolution digital ...
  • mammograms, " IEEE Transactions on Image Processing 10 (6) , ...
  • R. Mousa, Q. Munib, A. Moussa, "Breast _ diagnosis system ...
  • E. Sakka, A. Prentza, I.E. Lamprinos, D. Koutsouris, _ :Micro ...
  • Biomedicine (IEEE-ITAB 2006), Ioannina, Epirus, Greece, October 26-28, 2006. ...
  • Geraldo Braz Junior, Erick Correa da Silva, Anselmo Cardoso de ...
  • S. G. Mallat, "A theory for multiresolution signal decomposition: the ...
  • Nasser H. Sweilam , A.A. Tharwat , N.K. Abdel Moniem, ...
  • R. Jensen, Q. Shen, Computational Intelligence and Feature Selection, IEEE ...
  • I. Kononenk, "Estimating attributes: Analysis and extensions of RelieF, " ...
  • VN. Vapnik, The Nature of Statistical Learning Theory, New York: ...
  • microc alcification detection in digital mammograI s, " , IEEE ...
  • C. Lin, C. Yeh, Sh. Liang, J. Chung, N. Kumar, ...
  • 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

    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.