استخراج فاکتورهای ریسک برای تعیین خودکار پیشرفت بهبود بیماری های پوستی مبتنی بر پردازش تصاویر رنگی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 681

This Paper With 15 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:

COMCONF01_214

تاریخ نمایه سازی: 8 آذر 1394

Abstract:

امروزه بیماری های پوستی ناشی از عوامل متعدد از معضل های مهم در جامعه پزشکی محسوب می شوند .گاهی روند پیشرفت این بیماری ها به قدری تند است که درمان آن به سختی صورت می گیرد لذا پزشکان به دنبال روشی جهت پی شبینی زود هنگام روند پیشرفت /بهبود بیماری هستند تا با بکارگیری رو شهای درمانی از توسعه ضایعه جلوگیری شود. هر زخم شامل فاکتورهای قابل اندازه گیری مختلفی است که با بررسی آن ها می توان روند پیشرفت/بهبود بیماری را تعیین کرد .از مهم ترین آن ها م یتوان به سطح، بافت، رنگ و عمق اشاره کرد .در حال حاضر بررسی فاکتورهای بیان شده توسط پزشکان به صورت حضوری، پر مشقت، طی مراقبت های طولانی مدت، پر هزینه و با دقت بالا صورت می گیرد .با توجه به نیازمندی پزشکان و سهولت در بررسی این روند، الگوریتمی پیشنهاد شده که با استفاده از تکنیک های پردازش تصاویر رنگی موجود در بازه های زمانی مختلف، این فاکتورها را بررسی کرده و با استفاده از الگوریتم های هوشمند، بهبود/پیشرفت آن را تعیین می کند .پیاده سازی الگوریتم پیشنهادی در محیط برنامه نویسی مطلب و بر روی چند مورد به صورت تصادفی صورت گرفته که نتایج حاکی از رضایت بخش بودن سیستم و روش پیشنهادی بوده است

Authors

منصوره عبایی شوشتری

کارشناس ارشد هوش مصنوعی دانشگاه الزهرا

رضا عزمی

استادیار عضو هیات علمی دانشگاه الزهرا

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 :
  • Gonzalez, R.C. and R.E. Woods, Digital image processing. Prentice Hall, ...
  • Patil, S. and V. Udupi, Preprocessing to be considered for ...
  • Nowak, R.D., Wavelet-based Rician noise removal for magnetic resonance imaging. ...
  • Haralick, R.M., K. Shanmugam, and IH. Dinstein, Textural features for ...
  • Kulkarni, S.R. and M. Vidyasagar, Learning decision rules for pattern ...
  • Quinlan, J.R., Induction of decision trees. Machine learning, 1986. 1(1): ...
  • Boser, B.E., I.M. Guyon, and V.N. Vapnik. A training algorithm ...
  • Bishop, C.M., Neural networks for pattern recognition. 1995. ...
  • Webb, A.R., Statistical pattern recognition. 2003: John Wiley & Sons. ...
  • نمایش کامل مراجع