Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

ارایه روشی جهت بالا بردن دقت بازیابی تصاویر پزشکی با استفاده از انتخاب مراکز بهینه در خوشه بند k-means و شبکه عصبی som

اولین کنفرانس ملی کامپیوتر و فناوری اطلاعات
Year: 1396
COI: CEITS01_010
Language: PersianView: 297
This Paper With 6 Page And PDF Format Ready To Download
محتوای کامل این Paper با فرمت WORD هم قابل دریافت می باشد.

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 6 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

سمانه یوسفی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده فنی، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران
حمید پایگذار - استادیار، گروه مهندسی کامپیوتر، دانشکده فنی، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران

Abstract:

هدف سیستم بازیابی تصاویر پزشکی، ارایه به موقع اطلاعات مرتبط در زمان مناسب به کاربر است. با پیشرفت سیستم های تصویر برداری در حوزه ی پزشکی، روزانه سیل عظیمی از تصاویر پزشکی تولید می شود و در پایگاه داده هایی ذخیره می شوند. این تصاویر برای استفاده باید با سهولت، سرعت و با دقت مناسبی بازیابی شوند. در این مقاله بازیابی تصاویر پزشکی مبتنی بر کیسه ای از کلمات بصری که یکی از معمول ترین روش های بازیابی تصاویر می باشد مورد بررسی قرار گرفته است. الگوریتم k-means یکی از پرکاربردترین الگوریتم های خوشه بندی می باشد که برای تولید کلمات بصری استفاده می شود. کارایی این الگوریتم به طور قابل توجهی به مراکز اولیه انتخابی برای خوشه ها وابسته است و چون این الگوریتم مراکز اولیه خوشه ها را به صورت تصادفی انتخاب می کند روش های بازیابی تصویری که از الگوریتم k-means پایه استفاده می کنند، از کارایی بالایی برخوردار نمی باشند. در این مقاله، روشی جهت بهبود دقت بازیابی تصاویر پزشکی براساس محتوا با انتخاب نقاط بهینه در خوشه بند k-means و استفاده از شبکه عصبی نگاشت خودسازمانده som می توان تصاویر پزشکی را با دقت بالاتری بازیابی کرد. در این روش پس از استخراج ویژگی های محلی تصاویر با توصیف گر surf، خوشه بند k-means را با مراکز اولیه بهینه و شبکه عصبی نگاشت خود سازمانده برای تولید کلمات بصری به کار می گیریم. با انجام آزمایشات بر روی مجموعه تصاویر پزشکی استفاده از نقاط اولیه بهینه باعث تولید کلمات بصری بهینه شده و دقت بیشتری نسبت به تولید کلمات بصری با شبکه عصبی نگاشت خود سازمانده به دست آمده است.

Keywords:

بازیابی تصویر , توصیف گر surf , خوشه بند k-means , شبکه عصبی نگاشت خود سازمانده

Paper COI Code

This Paper COI Code is CEITS01_010. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/687074/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
یوسفی، سمانه و پایگذار، حمید،1396،ارایه روشی جهت بالا بردن دقت بازیابی تصاویر پزشکی با استفاده از انتخاب مراکز بهینه در خوشه بند k-means و شبکه عصبی som،First National Conference on Computer Engineering and Information Technology،Sepidan،https://civilica.com/doc/687074

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: Azad University
Paper count: 1,534
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

New Papers

New Researchs

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support