CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص خودکار ملانومای بدخیم با استفاده از ویژگی های بصری

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۴۶ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: SCECE04_082
زبان مقاله: فارسی
حجم فایل: ۷۲۲.۹۹ 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 خودکار ملانومای بدخیم با استفاده از ویژگی های بصری

  آزاده کیانی سرکله - گروه مهندسی برق، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
نرگس محمدی - گروه مهندسی برق، موسسه آموزش عالی کادوس، رشت، ایران
  مایده کیانی سرکله - گروه مهندسی فناوری اطلاعات، دانشگاه پیام نور گیلان، ایران

چکیده مقاله:

سرطان پوست یکی از کشنده ترین انواع سرطان می باشد که اگر در مراحل اولیه تشخیص داده شود امکان بهبودی بیمار بسیار افزایشمی یابد. در این مقاله، از تکنیک های پردازش تصویر برای تشخیص زودهنگام سرطان پوست استفاده میشود. در روش پیشنهادی، پس از بهبود کیفیت تصاویر، قطعه بندی به روش Adaptive Snake انجام می شود. سپس با استفاده از نقشه عمیق تصویر، ویژگی های هندسی و ویژگی های رنگ و ویژگی بافت توسط الگوی باینری محلی استخراج می گردند. برای انتخاب موثرترین ویژگی ها جهت خوشه بندی فازی، از الگوریتم ژنتیک استفاده می شود. سپس با استفاده از داده های فازی شده، ماشین بردار پشتیبان جهت تشخیص ملانوما آموزش می بیند. نتایج پیاده سازی نشان می دهد که دقت و حساسیت روش پیشنهادی در تشخیص ملانوما به ترتیب 97/72% و 93/72% می باشد.

کلیدواژه‌ها:

ملانوما ، خوشه بندی فازی، ماشین بردار پشتیبان، الگوریتم ژنتیک

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-SCECE04-SCECE04_082.html
کد COI مقاله: SCECE04_082

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:
کیانی سرکله, آزاده؛ نرگس محمدی و مایده کیانی سرکله، ۱۳۹۷، تشخیص خودکار ملانومای بدخیم با استفاده از ویژگی های بصری، چهارمین کنفرانس ملی محاسبات نرم در مهندسی برق و کامپیوتر، اردبیل، دانشگاه آزاد اسلامی واحد اردبیل، https://www.civilica.com/Paper-SCECE04-SCECE04_082.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: (کیانی سرکله, آزاده؛ نرگس محمدی و مایده کیانی سرکله، ۱۳۹۷)
برای بار دوم به بعد: (کیانی سرکله؛ محمدی و کیانی سرکله، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۴۹۸۳
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.