قطعه بندی بافت MS درتصاویر MRI بر اساس اسـتخراج ویـژگی GLCM با استفاده الگوریتمKNN

Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 616

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

KAUCEE02_205

تاریخ نمایه سازی: 18 اردیبهشت 1400

Abstract:

یک بیماری دمیلینه کنندهMS التهابی در بخش هایی از سیستم عصبی مرکزی از طریق ضایعات تولید شده ماده سفید است. ناتوانایی هایی در اندامهای مختلف بدن از جمله چشم و عضلات به ارمغان می آورد. تشخیص زود هنگام MS و برآورد پیشرفت آن برای درمان بهینه بیماری ضروری است. تکنیک پیشنهادی شامل چند مرحله است: پیش پردازش، قطعه بندی، استخراج ویژگی، انتخاب ویژگی و طبقه بندی. تصویر ورودی با استفاده از فیلتر میانه پیش پردازش می شود. این پژوهش روش قطعه بندی موثر با حداقل زمان محاسباتی با استفاده ازالگوریتم Fuzzy C- Meansبرای قطعه بندی ارائه می دهد.برای استخراج ویژگی از تکنیک ماتریس رویداد همزمانی سطح خاکستری(۱(GLCM استفاده شده است. از روش از الگوریتم ژنتیک برای انتخاب مناسب مجموعه ویژگی های استخراج شده و از PCA برای کاهش ابعاد ویژگی استفاده می شود. در مرحله بعد، ازk نزدیک ترین همسایه((KNN برای طبقه بندی تصاویر MRI مغز به عنوان بافت نرمال یا بافت MS استفاده می شود. زمان مورد نیاز برای قطعه بندی با استفاده از با الگوریتم Fuzzy C- Means برای هر تصویر بین ۱تا ۴ ثانیه است. دقت بدست آمده از این روش %۹۸ می باشد. این نتایج نشان می دهد که روش پیشنهادی نسبت به کارهای اخیر قوی و موثرتر است.

Keywords:

Authors

رضا غلامرضایی

گروه کامپیوتر (مهندسی کامپیوتر)، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران