CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص زخمهای بافت دستگاه گوارش بر اساس الگوریتمهای پردازش تصویر

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۹۲۷ | نظرات: ۰
سال انتشار: ۱۳۹۲
نوع ارائه: پوستر
کد COI مقاله: ELECOM01_157
زبان مقاله: فارسی
حجم فایل: ۲۴۴.۱۸ کیلوبایت (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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل 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 : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص زخمهای بافت دستگاه گوارش بر اساس الگوریتمهای پردازش تصویر

  وجیهه اسحاقیان - دانشگاه آزاد اسلامی واحد فردوس، گروه مهندسی کامپیوتر، دانشکده فنی، فردوس،ایران
  محمد فیوضی - بخش مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری
  جواد صدری - گروه مهندسی کامپیوتر دانشکده مهندسی برق و کامپیوتر ، دانشگاه بیرجند، ایرا ن
  جواد حدادنیا - استادیار دانشگاه حکیم سبزواری

چکیده مقاله:

سرطان و زخمهای دستگاه گوارش از بیماریهای شایعی در دنیا و بخصوص ایران هستند که در صورت تشخیص زود هنگام،میتوان در بسیاری از موارد از مرگ و میر افراد مبتلاجلوگیری نمود. در این مقاله رویکردی مبتنی بر الگوریتمهای پردازش تصویر برای تشخیص زخمهای بخش فوقانی دستگاه گوارش پیشنهاد شده است. . امروزه پزشکان با استفاده از آزمایشات و نمونهگیریها و با توجه به تجربه و دانش خود این بیماری را تشخیص میدهند.با این حال وجود یک چنین روشی میتواند علاوه بر کاهش خطاهای انسانی از اتلاف وقت وهزینه گردد. برای این منظور پایگاهدادهای شامل 130 تصویر از بافت نرمال و 110 ضایعه تهیه و گردآوری شد. با استفاده ازالگوریتمهای پردازش تصویر و ناحیه بندی تصاویر توسط نرم افزار (®MAZDA) ویژگیهای آماری بافت استخراج گردیده و به منظور کاهش بعد از ترکیب GA و SVM استفاده شدهاست و طبقه بندی با استفاده از طبقه بندیهای LDA, KNN, PNN و تکنیک Leave One Out برای آموزش و تست طبقه بندیها، بهترین دقت تشخیص 96.55 %، بدست آمده است. علاوه بر دقت طبقهبندی بالای 96 درصد، با استفاده ازمتد Field of Experts برای حذف نویز و کاهش تاثیرات ناخالصیها، ترکیب GA و SVM نیز برای انتخاب ویژگی علاوهبر بالابردن قدرت تفکیک موجب افزایش سرعت تشخیص نیز شده است.

کلیدواژه‌ها:

سرطان معده،زخم معده، تشخیص خودکار،الگوریتم ژنتیک ، داده کاوی

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-ELECOM01-ELECOM01_157.html
کد COI مقاله: ELECOM01_157

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:
اسحاقیان, وجیهه؛ محمد فیوضی؛ جواد صدری و جواد حدادنیا، ۱۳۹۲، تشخیص زخمهای بافت دستگاه گوارش بر اساس الگوریتمهای پردازش تصویر، اولین همایش منطقه ای بهینه سازی و روشهای محاسبه نرم در مهندسی برق و کامپیوتر، صفاشهر، دانشگاه آزاد اسلامی واحد صفاشهر، https://www.civilica.com/Paper-ELECOM01-ELECOM01_157.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: (اسحاقیان, وجیهه؛ محمد فیوضی؛ جواد صدری و جواد حدادنیا، ۱۳۹۲)
برای بار دوم به بعد: (اسحاقیان؛ فیوضی؛ صدری و حدادنیا، ۱۳۹۲)
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 :

  • Stomach Cancer Overview , American Cancer Society, visited _ http ...
  • tebyannews, http : //news .tebyan-zn.ir, Time visited:Jan 2013. ...
  • H. Osawa, M. Yoshizawa, H. Yamamoto, H. Kita, K. Satoh, ...
  • http ://www .cancergastric .blogfa.com, Time visited: Jan 2013. ...
  • http : //d aneshn amehazad .blogsky.com, Time visited: Jan 2013. ...
  • M.T. Coimbra, J.P.S. Cunha, MPEG-7 visual descriptors - extraction in ...
  • capsule endoscopy, IEEE Transactions on Circuits and (2006) 628-637. ...
  • Zabulis X, Argyros AA, Tsakiris PD. Lumen detection for capsule ...
  • International Conference _ Intelligent Robots and Systems. IEEE Press; 2008. ...
  • P. Szczypinski, A. Klepaczko, M. Pazurek, P. Daniel, Texture and ...
  • Berens J, Mackiewicz M, Bell D. Stomach, intestine and endoscopy ...
  • images. In: Proceedings of SPIE on Medical Imaging 2005, vol. ...
  • C. Wu, Y. Chen, Texture features for classification of ultrasonic ...
  • S. Roth , M. J. Black. Fields of experts: A ...
  • Weiss, Y., and Freeman, W. T. 2007. What makes a ...
  • B. Olshausen and D. Field. Sparse coding with _ overcomplete ...
  • M. Welling, G. Hinton, and S. Osindero. Learning sparse topographic ...
  • P. M. Szczypinski, M. Strzelecki, A. Materka, A. Klepaczko. MaZda ...
  • C. L. Huang , C. J. Wang. A GA-based feature ...
  • L.Wang, G. Xu , J. Wang , S. Yang , ...
  • Goldberg, and Deb, (1991). A comparative analysis of selection schemes ...
  • V .S. Charisis, L _ J. Hadjileontiadis, C. N. Liatsos, ...
  • M .Welling, "Support Vector Machines", Department of Computer Science University ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۴۹۳
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > سرطان
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    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.