تشخیص سرطان کبد باالگوریتم قطعه بندی تصاویر MRI

Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 494

This Paper With 18 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:

CECCONF20_018

تاریخ نمایه سازی: 18 شهریور 1402

Abstract:

کبد بزرگترین اندام درونی و مهمترین عضو پس از قلب و مغز در بدن انسان است و بدون آن ادامه حیات غیر ممکن است.تشخیص بیماری های کبدی نیازمند زمان طولانی و تخصص کافی پزشک معالج دارد. روش های آماری می توانند همانند یکسیستم پیش بینی اتوماتیک در جهت تشخیص دقیق و سریع بیماری های کبد به پزشکان متخصص کمک کنند.که یکی ازسریع ترین راه های تشخیص بیماری های کبد از جمله سرطان کبد تصاویر ام ار ای می باشد. تصاویر ام ار ای به علت فرمقرارگیری کبد در شکم و وجود خون بسیار در این ناحیه دچار ناهمگونی وعدم وضوح تصویر می شود، لذا تشخیص صحیح ودقیق آن برای پزشک دشوار است و تحلیل و آنالیز تصویر چالش بزرگی است. از این رو جهت پردازش تصویر ، بهبود کیفیتتصویر و افزایش وضوح آن می تواند در شناسایی دقیق تر و بهتر تومور یاریگر پزشک شود. در این پژوهش یک الگوریتم جدیدقطعه بندی تصاویر ام ار ای کبد مبتنی بر الگوریتم ماشین بردار پشتیبان جهت تشخیص سرطان کبد ارائه می گردد، روشپیشنهادی بیانگر کاهش خطا و افزایش دقت تشخیص می باشد. سیستم پردازش تصاویر پیشنهادی دارای سه گام اصلی مرحلهپیش پردازش، مرحله استخراج ویژگی و شناسایی سلول های سرطانی کبد، می باشد. با توجه به اهمیت ویژه شناسایی اولیهسرطان کبد از الگوریتم های پردازش تصویر کامپیوتری به منظور کمک به رادیولوژیست در تشخیص اولیه بهره می گیریم. هدفاین پژوهش ساخت سیستمی است که بتواند به طور اتوماتیک وجود تومورهای سرطانی در بافت کبد را تشخیص دهد که برایپیاده سازی آن از دو الگوریتم مختلف جهت قطعه بندی بهره برده شده است و با بکارگیری روشهای موثر و خودکار برای قطعهبندی می توان شناسایی دقیق، سریع تر و در نتیجه بهبود به هنگام تری داشت. روش این تحقیق از نوع توصیفی ، تحلیلی واستفاده از علم پردازش تصویر می باشد که ابتدا با پرداخت به پیش پردازش ها عناصر اضافه و ناخواسته تصاویر حذف میگردد، برای قطعه بندی موثر در تصاویر پزشکی از روش خوشه بندی استفاده گردیده است، خوشه بندی و طبقه بندی از جملهروشهای پرکاربرد در تجزیه و تحلیل داده هاست.

Keywords:

Authors

حسن نصیری

کارشناس ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی، اراک

نیره عباسی

کارشناس ارشدمعماری سیستم های کامپیوتری دانشگاه شهیدبهشتی