تشخیص هوشمند ضایعات مغزی از تصاویر MRI با استفاده از ANFIS

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 616

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MGCONF01_048

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

رشد نامحدود و غیر قابل کنترل سلول ها در مغز باعث ایجاد انواع ضایعات مغزی و از جمله تومور می شود.تومورهای مغزی اگر تحت درمان مناسب و به موقع قرار نگیرند، می توانند باعث باعث مرگ بیمار گردند. از آنجاییکه در کلیه روش های درمان، اطلاع از مکان و اندازه تومور در موفقیت موثر است، رسیدن به روشی دقیق و تمامخودکار که این اطلاعات را به پزشک دهد بسیار مهم و حایز اهمیت می باشد. تومورهای مغزی یکی از مهمترینموارد مرگ و میر در انواع سرطان ها می باشند، بنابراین مطالعه تومورهای مغزی مهم می باشد. تصاویر MRI درتشخیص تومورهای مغزی استفاده می شوند. تحلیل تومورهای مغزی توسط پزشکان صورت می گیرد اما پزشکانروشی برای پیدا کردن تومورهای مغزی که بتواند به صورت استاندارد مورد استفاده قرار گیرد، دراختیار ندارند.رادیولوژیست ها از تصاویر رزونانس مغناطیسی اطلاعاتی نظیر مکان تومور را بدست می آورند که یک راه آسانبرای تشخیص تومور جهت ارایه طرحی برای جراحی و پرتودرمانی برای رفع تومور می باشد. روش های گوناگونیبه منظور پیدا کردن تومور معرفی شده اند که هر کدام نتایج گوناگونی روی هر تصویر دارند. در این پروژه، ابتدا ازتبدیل موجک گسسته دو بعدی جهت استخراج ویژگی استفاده شده است. در گام بعد جهت کاهش ویژگی ازالگوریتم PCA استفاده شده است. در نهایت جهت طبقه بندی از ANFIS استفاده شده است. نتایج بررسی نشانمی دهد، روش پیشنهادی دارای دقت 97 درصد است.

نویسندگان

افشین شعیبی

دانشجوی کارشناسی ارشد مخابرات، دانشگاه آزاد اسلامی واحد گناباد

جلیل شیرازی

استادیار مخابرات، دانشگاه آزاد اسلامی واحد مخابرات

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 :
  • Hu, Grossberg, and Mageras, _ Survey of Recent Volumetric Medical ...
  • Zollner, F. G., Emblem, K. E., & Schad, L. R. ...
  • T. McInerney and D. Terzopoulos, «A dynamic finite element surface ...
  • K. Chakrabarti, M. Binderberger, K. Porkaew, and S. Mehrotra, *'Similar ...
  • J. selvakumar, A. Lakshmi and T. Arivoli, Brain Tumor Segmentation ...
  • Wilson B, Dhas JPM. An experimental analysis of Fuzzy C-means ...
  • Shobana, G. _ Balakrishnan, R. _ Brain Tumor diagnosis From ...
  • S hanmugapri ya, B.; Ramakri shnan, T. _ Segmentation of ...
  • E. E. Mohd. Azhari, M. Hatta, Z. Htike and Sh. ...
  • E. A. El-Dahshan, H. M. Mohsen, K. Revett and A.M. ...
  • M. Maitra, A. Chatterjee, Hybrid multire solution Slantlet transform and ...
  • J. Francis, M.S Godwin; "Kernel Weighted FCM Based MR Image ...
  • V. Gupta, K.S. Sagale, Imp lementation of classification system for ...
  • Jang, J.-S.R. (1993). "ANFIS: adapti Ve -network-b ased fuzzy inference ...
  • Abraham, A. (2005), "Adaptation of Fuzzy Inference System Using Neural ...
  • نمایش کامل مراجع