طبقه بندی هماتوم ها در تصاویر CT مغز با استفاده از شبکه عصبی SVM
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 462
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CRSTCONF02_021
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
امروزه در دانش پزشکی، جمع آوری داده ها در مورد بیماری های مختلف و استخراج دانش نهفته ازطریق شناسایی الگوها و ارتباط مختلف بین عناصر پایگاه داده، در آنها از اهمیت فراوانی برخورداراست . هماتوم در آسیب های مغزی امری متداول تلقی می شود. یک سیستم طبقه بندی و کشف خودکار می تواند به پزشکان در تجزیه و تحلیل تصاویر پزشکی کمک کند. CT اسکن به دلیل هزینه ی کم،دسترسی گسترده، اسکن کردن سریع و کنتراست برتر روش ترجیحی در آسیبهای مغزی بشمار می رود. در این مقاله به سیستم خودکار کشف و طبقه بندی نوع هماتوم با استفاده از ماشین بردار پشتیبان 1 ،درمورد تصاویر CT بیماران مختلف پرداخته می شود. ماشین بردار پشتیبان یکی از روش های یادگیری بانظارت است که از آن برای انواع طبقه بندی و رگرسیون استفاده می کنند؛ این روش کارایی خوبینسبت به روش های قدیمی تر ازجمله شبکه های عصبی پرسپترون دارد. ماشین بردار پشتیبان نوع خاصی از شبکه های عصبی هستند که برخلاف انواع شبکه های عصبی مانند MLP و RBF به جایکمینه کردن خطا ، اقدام به کمینه کردن ریسک عملیاتی طبقه بندی می کند .روش کار این سیستم شامل چهار مرحله می باشد، نخست پیش پردازش در مورد تصاویر CT مغز انجام می شود، در مرحله یدوم، هیستوگرامی بر مبنای مراکز ثقل، برای الگوریتم خوشه بندی k-means ، ایجاد می شود تا تصویر را در دسته های مختلف بر اساس مقادیر تراکم پیکسل ها بخش بندی نمایند. مرحله ی سوم شامل استخراج ویژگی ها از تصویر بخش بندی شده می باشد. در مرحله ی چهارم، شبکه ی عصبی مصنوعی بر طبق ویژگیهای استخراج شده از تصویر، ایجاد شده و پس از آموزش، قادر خواهد بود انواع هماتوم را بر اساس ویژگی هایشان طبقه بندی کند.
کلیدواژه ها:
نویسندگان
سیده زهره میرطالبی
دانشگاه غیرانتفاعی جاوید جیرفت
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 :