آشکار سازی تومورهای ناحیه سینه در تصاویر ماموگرافی و استفاده از تکنیک Negative Curvature Minima جهت استخراج بخش های آن
Publish place: 11th Iranian conference on Biomedical Engineering
Publish Year: 1382
Type: Conference paper
Language: Persian
View: 1,602
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICBME11_017
Index date: 17 July 2008
آشکار سازی تومورهای ناحیه سینه در تصاویر ماموگرافی و استفاده از تکنیک Negative Curvature Minima جهت استخراج بخش های آن abstract
در این تحقیق تلاش نموده ایم تا با مطالعه روش های متعدد و بیشماری که در زمینه بخش بندی و شناسایی تصویر وجود دارد منطبق‌ترین روش ها را با روش هایی که بینایی انسان به این منظور در پی می گیرد ارائه دهیم. در اینجا با معرفی الگوهای خارجی تصویر بعنوان الگوهای غالب‌تر، از بین الگوهای خارجی، نقاط حداقل انحنای منفی و از بین الگوهای داخلی، بافت های آشکار شده توسط شبکه های عصبی پالس کوپل شده و آنالیز بافت را بعنوان مهمترین الگوهای منطبق با شاخص های بینایی انسان معرفی کرده‌ایم و از از آنها به منظور بخش بندی تصویر بهره گرفته‌ایم. ما در این تحقیق به بررسی تکنیک‌های بخش بندی تصاویر ماموگرافی پرداخته ایم و یک راه حل ترکیبی جدید بر مبنای نتایج خود ارائه داده‌ایم و نتایج را به کمک نرم افزاری که به این منظور طراحی شده است بر روی یک دیتابیس از تصاویر ماموگرافی بررسی و با روش های مشابه مقایسه کرده‌ایم.
آشکار سازی تومورهای ناحیه سینه در تصاویر ماموگرافی و استفاده از تکنیک Negative Curvature Minima جهت استخراج بخش های آن Keywords:
آشکار سازی تومورهای ناحیه سینه در تصاویر ماموگرافی و استفاده از تکنیک Negative Curvature Minima جهت استخراج بخش های آن authors
محمد انشائیه
دانشگاه علم و صنعت، دانشکده برق، دفتر دکتر رضائی راد
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 :