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

ردگیری همزمان اشیاء در تصاویر میکروسکوپی با استفاده از میدان های نورونی پویا: نتایج اولیه

عنوان مقاله: ردگیری همزمان اشیاء در تصاویر میکروسکوپی با استفاده از میدان های نورونی پویا: نتایج اولیه
شناسه ملی مقاله: ICBME27_007
منتشر شده در بیست و هفتمین کنفرانس ملی و پنجمین کنفرانس بین المللی مهندسی زیست پزشکی ایران در سال 1399
مشخصات نویسندگان مقاله:

شیوا کامکار - آزمایشگاه بینایی ماشینی و پردازش تصاویر پزشکی، دانشکده مهندسی برق و کامپیوار، دانشگاه صنعتی خواجه نصیرالدین طوسی
حمید ابریشمی مقدم - آزمایشگاه بینایی ماشینی و پردازش تصاویر پزشکی، دانشکده مهندسی برق و کامپیوار، دانشگاه صنعتی خواجه نصیرالدین طوسی
رضا لشگری - پژوهشکده علوم و فناوری های پزشکی، دانشگاه شهید بهشتی

خلاصه مقاله:
ردگیری همزمان اشیاء یکی از مسائل مهم در زمینه بینایی ماشین و طراحی سیستم های بیولوژیکی مانند مغز انسان است. با وجود تلاشهای متعدد در این حوزه، روشی که قادر باشد در شرایط مختلف به ویژه هنگام وقوع انسداد جزئی یا کلی، مرتبط سازی داده ها را به درستی انجامدهد هنوز مورد نیاز است. ما در این مقاله به ارائه روشی برای ردگیری همزمان اشیاء مبتنی بر میدان های نورونی پویا پرداختیم تا مشخصا برچالش های مذکور غلبه کنیم. این می دانها از لحاظ شناختی و نورونی منطبق بر پردازش و عملکرد مغز انسان هستند. ما از آنها برای اولین بار درطراحی یک الگوریتم خودکار برای ردگیری اشیاء در یک سناریو واقعی بهره جستیم. به این منظور از دو میدان برای حفظ و دنبال کردن موقعیتمکانی اشیاء و ویژگی هایی چون سرعت و جهت آنها استفاده نمودیم. مرتبط سازی دادهها در هر لحظه با استفاده از این اطلاعات انجام می شود.سایر قسمت های الگوریتم مانند استخراج اشیاء با روش های پردازش تصویر انجام می گیرد. ارزیابی این روش روی ویدیوهای میکروسکوپی ازحرکات طبیعی لاروهای قزل آلا نشان داد که در اکثر مواقع به ویژه انسداد قادر است مرتبط سازی داده ها را به درستی انجام دهد و نسبت به دیگرروش های مرز دانش صحت و دقت بالاتری دارد.

کلمات کلیدی:
الگوریتم های ملهم از مغز، بینایی ماشین، ردگیری همزمان اشیاء، مدل سازی مغز انسان، میدان های نورونی پویا

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1135737/