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

بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed

اعتبار موردنیاز: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۲۶۱۲ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NCCOS02_001
زبان مقاله: فارسی
حجم فایل: ۲۹۴.۸۵ 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 بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed

  فرناز حسینی - دانشگاه آزاد اسلامی تبریز، ایران
  سیامک حقی پور - دانشگاه آزاد اسلامی تبریز، ایران
  امیرحسین دائی سرخابی - دانشگاه آزاد اسلامی تبریز، ایران

چکیده مقاله:

پردازش تصاویر از مهمترین دستاوردها و پرکاربردترین فنون مهندسی در تمامی عرصه های علوم از جمله پزشکی بعنوان یکی از مهمترین و پرکاربردترین MRI بوده است و روش تشخیصی غیر تهاجمی بیش از سایر روشها از این رویکرد تاثیر پذیرفته، بطوریکه امروزه تقریبا تشخیص دقیق بسیاری از مشکلات پزشکی از جمله تومورها و ضایعات بافت امری محال و یا بسیار دشوار م یباشد. MRI مغزی، بدونبعبارتی تفکیک اجزاء اصلی مغز یعنی ماد ه سفید ، ماد ه خاکستری و مایع مغزی- نخاعی و افتراق آنها از بافت غیر طبیعی (تومورها) نیاز به دقت بالایی دارد، که با روشهای معمول تصویر برداری به راحتی قابل دستیابی نمیباشند. تکنیکهای عمومی تشخیص لبه (سوبل، پریویت، روبرتز، وکنی) میتوانند، برای تعیین مرز و لبه بکار روند، ولی بدلیل بروز نویز و شیب تند تغییرات روشنایی تصاوی ر پزشکی، امکان قطعه بندی صحیح و دستیابی به لبه صاف و واضح مشکل میباشد و جهت بهبود تصاویرتکنیکهای مختلف فیلترهای محوکننده و یا افزایش تضاد استفاده میگردند. در این مطالعه ما جهت کمینه کردن خطا در روند قطعه بندی تصویر و برای بهبود آشکارسازی لبه تصاویر MRI (تومور مغزی) از ترکیب الگوریتم فازی c-means با الگوریتم watershed استفاده نمودیم متدی که در این تحقیق برای تقسیم بندی تصاویر پزشکی مورد استفاده قرار گرفت، شامل چندین بخش: عملیات پردازش تصویر و آماده سازی تصویر ورودی به صورت سیاه و سفید، دسته بندی فازی (پردازش تصویر ورودی، محاسبه میزان پراکندگی تصویر سیاه و سفید، مشتق گیری از تصویر به منظور تشخیص لبه، اعمال الگوریتم fcm روی داده ها) و الگوریتم watershed یافتن مرز بین نواحی و بر مبنای ناپیوستگی در سطوح Intensity بود و نتایج نشان داد کاربرد این روش ترکیبی توانسته با دقت 97/33 به بهبود تصاویر و تشخیص لبه وکاهش نویز در تصاویرام آر آی تومورهای مغزی کمک نماید.

کلیدواژه‌ها:

آشکارسازی لبه، پردازش تصاویر، خوشه بندی فازی سی مینز، الگوریتم و اترشید

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-NCCOS02-NCCOS02_001.html
کد COI مقاله: NCCOS02_001

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:
حسینی, فرناز؛ سیامک حقی پور و امیرحسین دائی سرخابی، ۱۳۹۲، بهبود تقسیم بندی روی تصاویر ام آر آی مغزی با استفاده از خوشه بندی فازی c-means و الگوریتم کنترل نشانگر watershed، دومین همایش ملی کامپیوتر، سنندج، دانشکده فنی و حرفه ای سما سنندج، https://www.civilica.com/Paper-NCCOS02-NCCOS02_001.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: (حسینی, فرناز؛ سیامک حقی پور و امیرحسین دائی سرخابی، ۱۳۹۲)
برای بار دوم به بعد: (حسینی؛ حقی پور و دائی سرخابی، 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 :

  • Cheung K and Chan W Fuzzy One -Mean Algorithm for ...
  • Kuo Y, Lee C and Liu C (kuo, et al., ...
  • El-Khamv S, El-Yamany N and Lotfy M A Modified Fuzzy ...
  • Mahani M.N [et al.] Dynamic Edge Detector Using Fuzzy _ ...
  • Chaira T and Ray A.K Threshold ion using fuzzy set ...
  • L.Pham Dzung, Xu Chenyang and L.Prince Jerry A Survey of ...
  • Gose Eral, Johnsonbaugh Ricahrd and Jost Steve Pattern Recognition and ...
  • _ Xiaoyin, Yang Zhong and Wang Yaming A method based ...
  • Palanisamy V and Ganesh M A Modified Adaptive Fuzzy C- ...
  • Ravi T and Rakesh M Image Segmentation and Detection of ...
  • Engineering Research and Applications. - (India) : [s.n.], May 2012. ...
  • Dasgupta Avijit Demarcation of Brain Tumor Using Modified Fuzzy C-Means ...
  • Jobin Chirist M.C and Parvathi R.M.S Medical Image Segmantation Using ...
  • Woods Richard E and Eddins Steven L Digital Image Processing ...
  • Karimi Moridani Mohammad Cancer detection method Quantification of vector [Journal] ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۶۰۳
    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 پیشنهادی مرتبط

    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.