تشخیص خودکار علائم نومور در تصاویر کپسول آندوسکوپی بی سیم با ترکیب الگوی LBP و ویژگی SURF
Publish place: Third National Conference and First International Conference on Applied Research in Electrical, Mechanical and Mechatronics Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,151
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0271
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
یکی از اهداف اصلی کپسول آندوسکوپی بی سیم، تشخیص علائم غیرطبیعی مخاط مانند خون، زخم، پلیپ، تومور و غیره دردستگاه گوارش است. با وجود اینکه فقط کمتر از 5% از تصاویر ذخیره شده دارای این علائم باشند، پس توسعه روشی جهت متمایز ساختن یافته های غیرطبیعی از موارد طبیعی لازم می باشد. در این مقاله ما از روش بسته کلمات تصویری استفاده کرده ایم چرا که این روش برای طبقه بندی تصاویر در حوزه غیر پزشکی موفقیت آمیز بوده است. در ابتدا با پیاده سازی الگوی باینری محلی بر روی تصاویر ورودی، و سپس ارائه آنها به توصیفگر ویژگی قوی با سرعت بالا، بردارهای ویژگی را استخراج نموده و نهایتاً طبقه بند ماشین بردار پشتیبان برای تشخیص تصاویر دارای نواحی تومور از نواحی سالم آموزش داده می شود. اجرای عملیات مذکور نتایج امیدوارکننده ای را نشان می دهد.
Keywords:
کپسول آندوسکوپی بی سیم , بسته کلمات تصویری , الگوی باینری محلی , ویژگی قوی با سرعت بالا , ماشین بردار پشتیبان
Authors
شیلان رشادی
کارشناس ارشد مهندسی مکاترئنیک دانشگاه آزاد اسلامی واحد تبریز
ضیاءالدین دایی کوزه کنانی
استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
قادر کریمیان خسروشاهی
دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز
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 :