تشخیص تومور مغزی با استفاده از عملیات قطعه بندی و ریخت شناسی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 728

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ITCC04_151

تاریخ نمایه سازی: 18 تیر 1396

Abstract:

تومورهای مغزی از جمله بیماری های تحدیدکننده زندگی بشر هستند که در صورت شناسایی صحیح در مراحل اولیه درصد شانس بیماربرای درمان افزایش می یابد. روش تصویربرداری MR با توجه به وضوح و کیفیت بالا از مهمترین و پرکاربردترین ابزار جهت تشخیصمحل توده های غیرقابل لمس می باشد. امروزه تجزیه و تحلیل تومورهای موجود در تصاویر MR توسط پزشکان و به صورت تجربی می باشد.با در نظرگرفتن شرایط اپراتور و آرتیفکت های موجود، ممکن است نتیجه درجه بندی ناکارآمد گردد. جهت دریافت نتیجه مطمین وسهولت کار پزشکان نیاز به خودکار کردن فرآیند ناحیه بندی تصویر، برای استخراج هر چه سریعتر و شناسایی بهتر مکان تومور، امریلازم و ضروری می باشد. ناحیه بندی از جمله روشهای مهم برای تعیین موقعیت تومور می باشد. در مقاله حاضر، هدف شناسایی تومور استکه این رویه، باعث تشخیص بهتر میزان پیشروی و درصد خطای تومور می گردد. روش رشد ناحیه برای استخراج و قطعه بندی تومور اعمالگردیده تا مکان و حجم تومور استخراج گردد. لذا الگوریتم های قطعه بندی، مزیت آشکاری نسبت به نمونه های قطعی دارند و با توجه بهساده بودن و پیچیدگی زمانی پایین در مقایسه با سایر روشها، به دقت بسیار بالایی دست پیدا کردیم.

Authors

زهرا کوهجانی

کارشناسی ناپیوسته تکنولوژی نرم افزار، دانشگاه تربت حیدریه

رضا ابراهیم زاده

دانشگاه آزاد اسلامی، واحد زاهدان، گروه کامپیوتر،زاهدان، ایران

ساناز عباسی

کارشناسی ناپیوسته تکنولوژی نرم افزار، دانشگاه سجاد مشهد

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 :
  • حلوایی پور، ناصر، بررسی تشخیص تومورهای مغزی در تصاویر MRIبا ...
  • Laligant, A., and Truchetet, S., "A Nonlinear Derivative Scheme Applied ...
  • B andhyop adhyay, and Utsab, P., Segmentation of Brain MRO ...
  • Palanisamy, V., and Ganesh, M. A., Modified Adaptive Fuzzy C-Means ...
  • Ratan, R., and Sharma, S., "Brain tumor detection based On ...
  • Gen-yuan, D. U., Fang, M., Sheng, L. I., Tian, and ...
  • modified fuzzy c-means image segmentation algorithm for use with A؛" ...
  • Clark, M. C., Hall, L. O., Goldgof, D. B., Clarke, ...
  • Chang, R. F., Wu, W. J., Moon, W. K., Chou, ...
  • Chu, W., Ong, C. J., and Keerthi, S. S., _ ...
  • Richards, N., and Dujata, M., 0 Catherine Garbay Distributed Markovian ...
  • Zhang, Y., Brady. M., and Smith, S., "Segmentation of Brain ...
  • Sudipta, R., Nag, S., Maitra, I. K., and Kumar, S., ...
  • Aelter, M., Goossens, P., REMOVAL OF C ORRELATED RICIAN NOISE ...
  • Bala, F., REVIEW O NOISE REDUCING ALGORITHM FOR BRAIN MRI ...
  • Review on Image Segmentation Techniques Patter Recognition, A:ه [15] Pal, ...
  • نمایش کامل مراجع