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

Multispectral Brain MRI Segmentation based on Fuzzy Classifiers and Evidence Theory

اعتبار موردنیاز: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۱۲۹۹ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی پزشکی / Biomedical Engineering
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_005
زبان مقاله: انگلیسی
حجم فایل: ۷۰۳.۲۵ کلیوبایت (فایل این مقاله در ۵ 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 ۵ 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 Multispectral Brain MRI Segmentation based on Fuzzy Classifiers and Evidence Theory

   Hasanzadeh - Sharif University of Technology
   Kasaei - Sharif University of Technology

چکیده مقاله:

Magnetic resonance imaging (MRI) techniques provide detailed anatomic information noninvasively and without the use of ionizing radiation. The
development of nau pulse seql.ences in MRI has allotyed obtaining images with high clinical importance and thtts joint analysis (multispectral MN) rr required for interpretation of these images. Fuzzy rule-based systems can combine many inpuls from widely varying sources so that they can be useful for description of tissues in the muhispectral MN. In a fuzry system, an error-free and optimized classifier can be obtained by genetic algorithms. In this paper, we have utilized a geneticfuzzy system for modeling dffirent tissues in brain MN as fuzzy classifers and have segmented the MR images by a combination ofthese classifiers using the evidence theory and the Dempster rule. Experiments were performed
using the simulated brain data (SBD) set. The numerical validation of the results demonstrates the strength of the proposed algorithm for medical image segmentation using either the evidence theory or a maximization process as the combination step.

کلیدواژه‌ها:

Magnetic resonance imaging (MRI), multispectral MRI, fuzzy system, genetic algorithm, Evidence Theory, Dempster rule

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-ICEE15-ICEE15_005.html
کد COI مقاله: ICEE15_005

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:
Hasanzadeh, & Kasaei, ۱۳۸۶, Multispectral Brain MRI Segmentation based on Fuzzy Classifiers and Evidence Theory, پانزدهیمن کنفرانس مهندسی برق ایران, تهران, مرکز تحقیقات مخابرات ایران, https://www.civilica.com/Paper-ICEE15-ICEE15_005.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: (Hasanzadeh, & Kasaei, ۱۳۸۶)
برای بار دوم به بعد: (Hasanzadeh & Kasaei, ۱۳۸۶)
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 :

  • J.C. Rajapakse, J.N. Giedd, and J.L. Rapoport, approach to segmentation ...
  • D.L. Pham, and J.L. Prince, *Adaptive Fuzzy Segmentation of Magnetic ...
  • C. Zhu, and T. Jiang, ،#Multi contextual fuzzy clustering for ...
  • Z. Hongwei, and O. Basir, ،Automated brain tissue segmentation and ...
  • S. Kobashi, T. Takae, Y.T. Kitamura, Y. Hata, T. Yanagida, ...
  • K.K. Shung, M.B. Smith, B. Tsui, Principles of Medical Imaging, ...
  • N. Richard, M. Dojat, and C. Garbay, ، Automated segmentation ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۸۲۵۲
    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

    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.