استفاده از الگوریتم جستجوی مبتنی بر جاذبه در قطعهبندی تصویر با استفاده از الگوریتم خوشهبندی مبتنی بر تراکم
Publish place: International Conference on New Research Findings in Electrical Engineering and Computer Science
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 655
This Paper With 20 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:
شناسه ملی سند علمی:
COMCONF01_862
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
در تحلیل تصاویر پزشکی، قطعهبندی برای استخراج ویژگی و نمایش ناحیه مطلوب فرآیندی مؤثر و بنیادی است.زیرا اثر قابل توجهی روی مراحل بعدی تحلیل تصاویر پزشکی میگذارد. برای افزایش دقت قطعهبندی تلاشهای بسیاریتاکنون صورت گرفته است و روشهای مختلفی ارائه گردیده است، اما به دلیل تغییرات زیاد در شکل، وجود مرزهای پیچیده هندسی، شدت نور غیریکنواخت و لبههای ضعیف اشیاء در تصاویر پزشکی، قطعهبندی آنها هنوز فرآیند مشکلیمحسوب میشود و به عنوان یک مسئله کلیدی و چالش برانگیز مطرح است. با توجه به پیچیدگی تصویر از لحاظ شکل هندسی، قوت و ضعف لبهها و یکنواختی شدت نور، سطح پردازش قطعهبندی تعیین میشود . به این ترتیب برای قطعه-بندی کارا در تصاویر پزشکی که عمدت ا دارای شکلهای پیچیده هندسی، لبههای ضعیف و شدت نور یکنواخت هستند میتوان از روشهای خوشهبندی مبتنی بر چگالی استفاده کرد . به همین منظور در این مقاله قطعهبندی تصاویر براساس ایده ترکیب الگوریتم جستجوی گرانشی و الگوریتم خوشهبندی مبتنی بر چگالی DBSCAN انجام شد. هدف از استفادهالگوریتم جستجوی گرانشی یافتن مقادیر دو پارامتر تعداد همسایهها و شعاع همسایگی در الگوریتم خوشهبندی DBSCAN در تصاویر مختلف بود. نتایج استفاده از ترکیب الگوریتمهای جستجوی گرانشی و DBSCAN حاکی از دقت تقریبا 09 درصدی در قطعهبندی تصاویر پزشکی است
Keywords:
Authors
محرم زرجینی
گروه مهندسی کامپیوتر، واحد ساوه، دانشگاه آزاد اسلامی ایران
مریم رستگارپور
گروه مهندسی کامپیوتر، واحد ساوه، دانشگاه آزاد اسلامی ایران
محمد آزاد
گروه مهندسی کامپیوتر، واحد ساوه، دانشگاه آزاد اسلامی ایران
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 :