Year: 1398
COI: ICMVIP11_023
Language: PersianView: 229
This Paper With 6 Page And PDF Format Ready To Download
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
Authors
Abstract:
یادگیری ماشین به عنوان یک شاخه ی علمی شناخته شده جهت بهبود دقت پیش بینی، کاربرد گسترده ای در طبقه بندی تصاویر پزشکی دارد. به طورکلی مساله طبقه بندی مبتنی بر یادگیری ماشین را میتوان در چهار بخشجمع آوری داده، استخراج ویژگی، آموزش و ارزیابی مدل نهایی بر روی داده ای آزمون در نظر گرفت. در بین این مراحل، استخراج ویژگی یک مرحله مهم وچالشی به حساب می آید. در این مقاله سه رویکرد مختلف برای استخراج ویژگی جهت طبقه بندی تصاویر بافت شناسی تومور استخوان بررسی شده است. در رویکرد اول یکسری ویژگی های آماری (ماتریس همرخداد سطوح خاکستری، الگوی دودویی محلی و اعمال این الگو روی تصاویر حاصل از لبه یاب کنی) از تصاویر استخراج شده است. در رویکرد دوم به منظور بهبود صحت طبقه بندی بدست آمده از رویکرد اول الگوریتم کاهش بعد LDA روی ترکیب بهترین ویژگی های آماری بدست آمده در رویکرد اول اعمال شده است. در رویکرد سوم که بهترین صحت در طبقه بندی را ایجاد کرد از ترکیب دو الگوریتم کاهش بعد PLS و LDA جهت استخراج ویژگی های مناسب استفاده شد و صحت 0/97 درصد در طبقه بندی مجموعه داده به دست آمد. رویکرد سوم به عنوان روش پیشنهادی PLS-LDA جهت حل مسئله طبقه بندی در شرایطی که تعداد کمی تصاویر پزشکی برچسب گذاری شده موجود باشد، نسبت به روش های مبتنی بر یادگیری عمیق که به حجم انبوهی از داده یبرچسب گذاری شده نیاز دارند انتخاب مناسب و کارایی می باشد.
Keywords:
طبقه بندی تصاویر تومور استخوان، استخراج ویژگی، کاهش بعد، تصاویر پزشکی
Paper COI Code
برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/1045162/
How To Citation:
در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:نادمی، حمیدرضا و اسماعیلی طاهری، زهرا و رمضانخانی، فهیمه و رضائیان، مهدی،1398،طبقه بندی بافت های تومور در تصاویر بافت شناسی سرطان استخوان با استفاده از PLS-LDA،یازدهمین کنفرانس ملی و اولین کنفرانس بین‌المللی بینایی ماشین و پردازش تصویر ایران،قم،،،https://civilica.com/doc/1045162
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، نادمی، حمیدرضا؛ زهرا اسماعیلی طاهری و فهیمه رمضانخانی و مهدی رضائیان)
برای بار دوم به بعد: (1398، نادمی؛ اسماعیلی طاهری و رمضانخانی و رضائیان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
Research Info Management
اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
علم سنجی و رتبه بندی Paper
مشخصات مرکز تولید کننده این Paper به صورت زیر است:
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.
New Papers
- یک روش یادگیری عمیق ترکیبی به منظور تخمین سن بیولوژیکی مغز برای کمک به تشخیص بیماری با استفاده از تصاویر MRI
- ارائه یک روش موثردردسته بندی نماهای اکوکاردیوگرافی بااستفاده از یادگیری انتقالی
- مطالعه اثر نویز گوسی و ضربه روی همجوشی ارتقا یافته به کمک سوپررزولوشن برروی تصاویر با فوکوس های چندگانه
- بازشناسی کلمات پویای مجزای زبان اشاره فارسی با استفاده از حسگر کینکت
- مطالعه اثر نویز گوسی و ضربه بر روی همجوشی تصاویر چند طیفی به کمک تحلیل های چند مقیاسی
This Papers recently indexed in civilica
Share this page
More information about 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.