یک الگوریتم بهینه فازی C-Means و ژنتیک برای تشخیص بافت تومور در تصاویرماموگرافی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 732

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TEDECE02_039

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

سرطان پستان یکی از علل عمده مرگ و میر زنان و شایعترین بیماری در زنان است. غربالگری ، ماموگرافی در حال حاضر از موثرترین روش های تشخیص بیماری است. قطعه بندی تصاویر ، ماموگرافی برای جداسازی و تشخیص تومورهای سرطانی دارای محبوبیت زیادی در بینمحققان است . یکی از محبوب ترین این روش ها ، روش Fuzzy C-Means است .به دلیل وجود برخی محدودیت ها در این روش ، نیاز به بهبودبخشی امری کاملا مشهود است . در این مقاله برای رسیدن به بهینه مطلق و قطعه بندی مناسب تصاویر ما با ترکیب روش بهینه یابی ژنتیک و روش FCM به یک روش قدرتمند برای این امر دست یافتیم . نتایج شبیه سازی بر روی پایگاه داده استاندارد حاکی از قدرت و کیفیت بالا ی روش ارائه شده است

نویسندگان

ندا علی راهی راوندی

دانشجوی کارشناسی ارشد رشته مهندسی کامپیوتر، دانشکده فنی مهندسی ، دانشگاه آزاد اسلامی اراک

عباس کریمی

استاد یار گروه مهندسی کامپیوتر.دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک

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 :
  • ]I[Schwartz. Schwartz's principles of surgery. Editor. 2010. _ _ reports ...
  • _ s i a, 30th November _ 2nd December 2010 ...
  • _ _ _ of Computer C onferenc e-TED 2016 ...
  • 2 June, Kermanshah, Iran ...
  • نمایش کامل مراجع