سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

استخراج ویژگی از تصاویر ماموگرافی با استفاده از آنالیز بافت فراکتال بر اساس بخش‌بندی

Publish place: 2nd Conference on Innovation in Electrical Engineering
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,914

This Paper With 7 Page And PDF Format Ready To Download

DOWNLOAD Paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:
https://civilica.com/doc/233650

Document National Code:

NCNIEE02_155

Index date: 18 February 2014

استخراج ویژگی از تصاویر ماموگرافی با استفاده از آنالیز بافت فراکتال بر اساس بخش‌بندی abstract

در زنان 15 تا 54 ساله، سرطان سینه یکی از مهم ترین عوامل مرگ است. اگرچه ماموگرافی یکی از کار آمدترین روشهای تشخیص بیماری اخیر می باشد، اما هنوز دارای نواقص و محدودیتهایی می باشد. اخیراً سیستم های تشخیص به کمک کامپیوترCADx) معرفی شده اند تابا برچسب زنی و کلاسه بندی نواحی مشکوک مثلاً کلاسه بندی بر اساس استاندارد BI-RADS بتوانند در تشخیص نوع بیماری به رادیولوژیست کمک کنند. یکی از اساسی ترین مراحل در سیستم های CADxاستخراج ویژگی می باشد که در این مقاله روش آنالیز بافت فراکتال بر اساس بخش بندی پیشنهاد شده است. اعمال روش پیشنهادی بر روی پایگاه داده INbreast نتایج چشمگیر دقت کلاس بندی حاصل از چهار کلاس بند متفاوت را نشان می دهد.

استخراج ویژگی از تصاویر ماموگرافی با استفاده از آنالیز بافت فراکتال بر اساس بخش‌بندی Keywords:

تشخیص سرطان کامپیوتری , استخراج ویژگی , آنالیز بافت فراکتال بر اساس بخشبندی , کلاسبندی

استخراج ویژگی از تصاویر ماموگرافی با استفاده از آنالیز بافت فراکتال بر اساس بخش‌بندی authors

سعید عسگری طاقانکی

دانشگاه آزاد اسلامی واحد شهر مجلسی، اصفهان، ایران، گروه مهندسی برق و کامپیوتر

محسن عشوریان

دانشگاه آزاد اسلامی واحد شهر مجلسی، اصفهان، ایران، گروه مهندسی برق و کامپیوتر

بهزاد زمانی

دانشگاه علم وصنعت، تهران، ایران، گروه مهندسی برق و کامپیوتر

سیدعلی موسوی

دانشگاه آزاد اسلامی واحد نجف آباد، اضفهان، ایران، گروه مهندسی مکانیک

بهزاد بهرامی نژاد

دانشگاه آزاد اسلامی واحد شهر مجلسی، اصفهان، ایران، گروه مهندسی برق و کامپیوتر

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 :
World-He al th -Organization _ (2013). Cancer, WHO, Available: ...
http ://www.who _ int/mediac entre/fac tsheets/fs29 7/en ...
B. Verma and . Zhang, "A novel neural-genetic algorithm to ...
R. Bird, T. Wallace, and B. Yankaskas, "Analysis of cancers ...
K. Kerlikowske, P. A. Carney, B. Geller, M. T. Mandelson, ...
M. L. Giger, _ C omputer-aided diagnosis in radiology, " ...
M. L. Giger, N. Karssemeijer, and S. G. A. III, ...
M. L. Giger, _ _ omputer-aided diagnosis of breast lesions ...
K. Doi, H. MacMahon, S. Katsuragawa, R. M. Nishikawa, and ...
C. J. Vyborny, M. L. Giger, and R. M. Nishikawa, ...
R. L. Birdwell, "The Preponderance of evidence supports computer-aided detection ...
J. Tang, R. M. Rangayyan, J. Xu, I. El Naqa, ...
L. M. Bruce and R R. Adhami, "Classifying mammographic mass ...
Y. Yuan, M. L. Giger, H. Li, and C. Sennett, ...
R. M. Rangayyan, D. Guliato, J. D. de Carvalho, and ...
N. Petrick, H.-P. Chan, B. Sahiner, and M. A. Helvie, ...
A. F. Costa, G. Hump ire-Mamani, and A. J. M. ...
P.-S. Liao, T.-S. Chen, and P.-C. Chung, "A fast algorithm ...
I. C. Moreira, I. Amaral, I. Domingues, A. Cardoso, M. ...
mammographic database, " Academic Radiology, vol. 19, pp. 236-248, 2012. ...
J. Bozek, M. Mustra, K. Delac, and M. Grgic, "A ...
Commun ications, ed: Springer, 2009, pp. 631-657. ...
I. H. Witten, E. Frank, and M. A. Hall, Data ...
K. Bovis and S. Singh, _ C lassification of mammographic ...
Understanding and Analysis (MIUA) Conference, Portsmouth, 2002. ...
N. H. Eltonsy, G. D. Tourassi, and A. S. Elmaghraby, ...
M. Elter and E. Halmeyer, "A knowledge -based approach to ...
A. Oliver, X. Llado, J. Freixenet, R. Marti, E. Perez, ...
B. Verma, P. McLeod, and A. Klevansky, "Classification of benign ...
نمایش کامل مراجع

مقاله فارسی "استخراج ویژگی از تصاویر ماموگرافی با استفاده از آنالیز بافت فراکتال بر اساس بخش‌بندی" توسط سعید عسگری طاقانکی، دانشگاه آزاد اسلامی واحد شهر مجلسی، اصفهان، ایران، گروه مهندسی برق و کامپیوتر؛ محسن عشوریان، دانشگاه آزاد اسلامی واحد شهر مجلسی، اصفهان، ایران، گروه مهندسی برق و کامپیوتر؛ بهزاد زمانی، دانشگاه علم وصنعت، تهران، ایران، گروه مهندسی برق و کامپیوتر؛ سیدعلی موسوی، دانشگاه آزاد اسلامی واحد نجف آباد، اضفهان، ایران، گروه مهندسی مکانیک؛ بهزاد بهرامی نژاد، دانشگاه آزاد اسلامی واحد شهر مجلسی، اصفهان، ایران، گروه مهندسی برق و کامپیوتر نوشته شده و در سال 1392 پس از تایید کمیته علمی دومین کنفرانس ملی ایده های نو در مهندسی برق پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تشخیص سرطان کامپیوتری، استخراج ویژگی، آنالیز بافت فراکتال بر اساس بخشبندی، کلاسبندی هستند. این مقاله در تاریخ 29 بهمن 1392 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1914 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در زنان 15 تا 54 ساله، سرطان سینه یکی از مهم ترین عوامل مرگ است. اگرچه ماموگرافی یکی از کار آمدترین روشهای تشخیص بیماری اخیر می باشد، اما هنوز دارای نواقص و محدودیتهایی می باشد. اخیراً سیستم های تشخیص به کمک کامپیوترCADx) معرفی شده اند تابا برچسب زنی و کلاسه بندی نواحی مشکوک مثلاً کلاسه بندی بر اساس استاندارد BI-RADS ... . این مقاله در دسته بندی موضوعی سرطان طبقه بندی شده است. برای دانلود فایل کامل مقاله استخراج ویژگی از تصاویر ماموگرافی با استفاده از آنالیز بافت فراکتال بر اساس بخش‌بندی با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.