مقایسه طبقه بندهای بیز ساده، ماشین بردار پشتیبان و آنالیز تفکیک پذیری خطی در تشخیص ضایعات رنگدانه ای پوست

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,345

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICMVIP07_003

تاریخ نمایه سازی: 28 مرداد 1391

Abstract:

سرطان ملانوما کشنده ترین سرطان پوست است که اگر در مراحل اولیه تشخیص داده شود قابل درمان است. از این رو تحلیل تصاویر درماتوسکوپی برای کمک به تشخیص زودهنگام این سرطان بسیار سودمند است. در این مقاله عملکرد طبقه بندهای بیز ساده، ماشین بردار پشتیبان، SVM، و آنالیز تفکیک پذیری خطی، LDA، در تشخیص ضایعات رنگدانه ای پوست بررسی شده است؛ به این ترتیب که بعد از حذف آرتیفکت ها از تصاویر، به کمک آستانه گذاری مناسب، مرز ضایعه از پوست سالم اطراف آن جدا می شود. سپس ویژگی های شکل، رنگ و بافت از ضایعه استخراج شده و بُعد بردار ویژگی با روش آنالیز اجزای اصلی کاهش می یابد. در انتها با اعمال بردار ویژگی به سه طبقه بند بیز ساده، LDA و SVM نوع ضایعه تعیین می شود. روش پیشنهادی روی 436 تصویر درماتوسکوپی اعمال شده و نتایج نشان می دهند که طبقه بند بیز ساده نسبت به دو طبقه بند دیگر ضایعات دیسپلاستیک و ملانوما را با دقت بیشتری تشخیص می دهد.

Authors

مریم فعال

دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشکده برق و کامپیوتر، دانشگاه

احسان اله کبیر

استاد گروه الکترونیک، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس

محمدحسین میران بیگی

دانشیار گروه مهندسی پزشکی، دانشکده برق و کامپیوتر، دانشگاه تربیت مدر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • بدن با استفاده از شبیه سازی، پایان‌نامه کارشناسی ارشد، دانشکده ...
  • Zagrouba, E., and Barhoumi, W. "An accelerated system [2] [20] ...
  • Rige, D. S., Russak, J., and Friedman, R., "The evolution ...
  • for melanoma diagnosis based on subset feature selection ", Journal ...
  • Melanoma Skin Cancer, American Cancer Society website, 2010, _ :www. ...
  • Tucker, M. A, Halpern, A., and Holly, E. A. et ...
  • Messadi, M., Bessaid, A., and Taleb-Ahmed, A., :Extraction of specific ...
  • Celebi, M. Emre., Kingravi, H. A., and Uddin, B. et ...
  • Lau, H. T., and Al-Jumaily, _ "Automatically early detection of ...
  • Dreiseitl, S., Ohno-Machad _ L., and Kittler, H. et al., ...
  • Rahman, M. M., and Bhattacharya, P., "An integrated and interactive ...
  • Ganster, H. Pinz, A., and Rohrer, R. et al., "Automated ...
  • Maglogiannis, I., and Doukas, C. N., "Overview of advanced computer ...
  • Celebi, M. Emre., Schaeferc, G., and Iyatomib, H. et al., ...
  • Xu, L., Jackowski, M., Goshtasby, A., and Roseman, D. et ...
  • Gonzalez, R.C., Woods, R.E., "Digital Image Processing", Addison-Wel sey, 2002. ...
  • "Shape Analysis and Measurement". Biocomputing group, Computing and information science, ...
  • Dobrescu, R., Dobrescu, M., Mocanu, S., and Popescu, D., "Medical ...
  • Clausi, David A., _ analysis of co-occurrence texture statistics as ...
  • Haralick, R. M., Shanmugam, K., and Dinstein, I., "Textural features ...
  • Curtis, A., "Classification using LDA, QDA and logistic regression ", ...
  • Chang, C.C., and Lin, C.J., "LIBSVM: a library for Available: ...
  • نمایش کامل مراجع