ارائه یک سیستم تشخیص خودکار سرطان معده با پردازش طیفهای رامان
Publish place: International Conference on Nonlinear Systems and Optimization of Electrical and Computer Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,256
This Paper With 12 Page And PDF and WORD 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:
شناسه ملی سند علمی:
NSOECE01_035
تاریخ نمایه سازی: 1 مهر 1394
Abstract:
در این مقاله یک سیستم تشخیص خودکار به منظور شناسایی و طبقه بندی تومورهای سرطان معده معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، با استفاده از شبکه عصبی آستانه گذاری و تبدیل curvelet، حذف نویز بر روی طیف های رامان بدست آمده از معده بیمار اعمال می شود. در مرحله دوم الگوریتم، پس از حذف نویزهای حاصل از مرحله اول، طیف ها به منظور شناسایی محل تومور و مطابقت ویژگی آن با تومورهای سرطانی مورد بررسی قرار می گیرند. بدین منظور برای انتخاب بهترین ویژگی ها از یک سیستم انتخاب خودکار مبتنی بر الگوریتم های ژنتیک به جهت یافتن 5 ویژگی تعریف شده برای هر شکل سلول سرطانی استفاده می کنیم.در نهایت در مرحله سوم برای انجام تصمیم گیری و دسته بندی نهایی بین سلولهای سالم و سرطانی، از طبقه بندی کننده ای با نام SVM استفاده می کنیم که یکی از بهترین روش های موجود برای این منظور است. نتایج تجربی بدست آمده نشان داد که الگوریتم های پردازش سیگنال های پزشکی مبتنی بر بینایی ماشین در مقایسه با روش های مرسوم پردازش تصویر، توانست با دقت بیشتری داده های مربوطه را استخراج نموده و نتایج بهتری را حاصل نماید
Keywords:
Authors
قدسیه شهمیرزادی
کارشناس ارشد کامپیوتر، دانشگاه علوم پزشکی مرکز تحقیقات سرطان، سمنان
مهدی شادنوش
استادیار ، دانشکده علوم تغذیه و صنایع غذایی دانشگاه علوم پزشکی شهید بهشتی ، موسسه تحقیقات صنایع غذایی تهران
محمد طلوع عسکری
استادیار، دانشکده مهندسی برق واحد سمنان، دانشگاه آزاد اسلامی سمنان
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 :