تشخیص سرطان سینه با استفاده از روشهای داده کاوی و ویژگی های تراکمی هیستوگرام وویژگیهای ماتریس هم رخدادی glcm
محل انتشار: اولین کنفرانس ملی ریاضیات صنعتی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,506
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDMATH01_100
تاریخ نمایه سازی: 10 شهریور 1393
چکیده مقاله:
در چند سال گذشته ، ابزار کامپیوتری نقش مهمی را در تشخیص سرطان سینه ایفا کرده اند. این مقاله روشی برای تشخیص سرطان سینه در ماموگرافی دیجیتال با بهره گیری از خصوصیات هم رخدادی سطح خاکستری و ویژگی های تراکمی هیستوگرام (glcm) پیشنهاد شده است که با استفاده از روش های داده کاوی این کار را انجام می دهیم. تکنیک تصویرکاوی به استخراج تصویر و دانش ضمنی به همراه ارتباط داده ای یا سایر الگوهایی که صراحتاً در تصاویر ذخیره نمی شوند می پردازد. این تکنیک در واقع توسعه ی داده کاوی به حوزه ی تصویر است. هدف اصلی این تحقیق اعمال تصویرکاوی در حوزه ای چون ماموگرام های سینه است تا بافت سرطانی طبقه بندی و شناسایی گردد. به منظور بررسی امکان پذیری رویکرد داده کاوی، در این تحقیق، از یک الگوریتم رقابت استعماری بهینه برای کاهش ویژگی ها استفاده می شود. نتایج تجربی نشان می دهند که این روش می تواند با کاهش تعداد ویژگی ها ، سرعت بررسی را افزایش و ویژگیهای مناسبی را جهت طبقه بندی با درخت تصمیم ارائه دهد.
کلیدواژه ها:
نویسندگان
سهیل زارعی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد شبستر
عسگر علی بوپر
استادیار ، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شهید مدنی آذربایجان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :