یک الگوریتم جدید بهینه سازی روشC-meansفازی با استفاده از الگوریتم ژنتیک به منظور قطعهبندی تصاویر CT اسکن کبد
عنوان مقاله: یک الگوریتم جدید بهینه سازی روشC-meansفازی با استفاده از الگوریتم ژنتیک به منظور قطعهبندی تصاویر CT اسکن کبد
شناسه ملی مقاله: TEDECE02_038
منتشر شده در دومین کنفرانس ملی فناوری، انرژی و داده با رویکرد مهندسی برق و کامپیوتر در سال 1395
شناسه ملی مقاله: TEDECE02_038
منتشر شده در دومین کنفرانس ملی فناوری، انرژی و داده با رویکرد مهندسی برق و کامپیوتر در سال 1395
مشخصات نویسندگان مقاله:
صدیقه استاداکبری - دانشجوی کارشناسی ارشد رشته مهندسی کامپیوتر. دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک
عباس کریمی - استاد یار گروه مهندسی کامپیوتر.دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک
خلاصه مقاله:
صدیقه استاداکبری - دانشجوی کارشناسی ارشد رشته مهندسی کامپیوتر. دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک
عباس کریمی - استاد یار گروه مهندسی کامپیوتر.دانشکده فنی و مهندسی .دانشگاه آزاد اسلامی اراک
قطعه بندی خودکار تصاویر CT اسکن پزشکی امروزه یکی از چالش برانگیزترین زمینه ها در حوزه پردازش تصویر است. در این مقاله، هدف قطعه بندی خودکار تصایر CT اسکن کبد برای تشخیص و جداسازی تومور موجود در کبد است. تشخیص تومور کبد در برنامه ریزی جراحی surgery planning کبد اهمیت ویژهای دارد. تا کنون روشهای قطعه بندی زیادی در تحقیقات به کار گرفته شدهاند. از میان آنها روش Fuzzy C-Means(FCM) یکی از قدرتمندترین این روشهاست. اما به دلیل روند بهینه یابی کلاسیک روش FCM این روش دارای ضعفهایی از قبیل حساسیت به مقادیر اولیه مراکز دسته و تشخیص مینیمم های محلی به جای مینیمم های مطلق دارد. در این مقاله ما با ترکیب روش بهینهیابی قدرتمند ژنتیک و الگوریتم FCM به قطعه بندی خودکار کبد می پردازیم. روش ارائه شده در این مقاله بر روی چندین تصویر CT اسکن کبد در بدن انسان پیاده سازی شده که این نتایج نشان از قدرت بالای روش ارائه شده دارند.
کلمات کلیدی: الگوریتمFCM ، الگوریتم ژنتیک، تشخیص تومور کبد
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/509249/