استخراج ویژگی تصاویر MRI مغز با استفاده از ماتریس همرخداد سطح خاکستری و کلاسبندی با SVM
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,674
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
DSCONF01_167
Index date: 19 February 2016
استخراج ویژگی تصاویر MRI مغز با استفاده از ماتریس همرخداد سطح خاکستری و کلاسبندی با SVM abstract
طبقه بندی تصاویر تومورهای مغزی با استفاده از تصاویر MRI یکی از مهمترین کاربردهای پردازش تصویر و هوش مصنوعی درپزشکی است و بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این مطالعه کارایی الگوریتم ماشین بردار پشتیبان (SVM) رادر طبقه بندی تصاویر MRI مغز با داده های استخراج شده از تصاویر توسط ماتریس همرخداد مورد بررسی قرار می دهد. ماشینهای بردار پشتیبان یک گروه ازالگوریتم های طبقه بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورداستفاده قرار گرفته اند. دقت طبقه بندی حاصل از SVM با توجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتم های SVMبرای طبقه بندی تصاویر MRI مغز با استفاده از تصاویر موجود در پایگاه داده های دانشگاه هاروارد مورد استفاده قرار گرفته است.طبقه بندی با استفاده از روش ماشین های بردار پشتیبان، بصورت خودکار اجرا شده است. همچنین برای بالا بردن دقت الگوریتمکلاسبندی به منظور تشخیص تومور مغزی از ویژگی های آماری و همچنین ویژگی های بافتی کنترل است، همبستگی، انرژی و همگنیاستفاده نموده ایم و استفاده از این ویژگی ها در الگوریتم های کلاسبندی باعث بهبود دقت خواهد شد.
استخراج ویژگی تصاویر MRI مغز با استفاده از ماتریس همرخداد سطح خاکستری و کلاسبندی با SVM Keywords:
استخراج ویژگی تصاویر MRI مغز با استفاده از ماتریس همرخداد سطح خاکستری و کلاسبندی با SVM authors
پویا طاهرپرور
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد بیرجند
محمود شاهی
استادیار، دانشگاه آزاد اسلامی واحد بیرجند
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 :