بررسی اجمالی روشهای شناسایی تومورهای مغزی به کمک تکنیک های داده کاوی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 846

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NICE01_078

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

با توجه به گسترش روز افزون بیماری های مغزی، از جمله تومورهای سرطانی، محققان زیادی تلاش برای کشف زودهنگام این بیماری نموده اند در سالهای اخیر با رشد فزاینده تکنولوژی و فناوریهای رایانه ای، بهره گیری از این تکنولوژیها در شناسایی تومورها افزایش یافته است. از جمله روش های رایانه ای که برای شناسایی تومورهای مغزی مورد توجه قرار گرفته است، روشهای داده کاوی می باشد. روش های داده کاوی برای بررسی حجم زیادی از داده ها و تجزیه و تحلیل آنها و همچنین شناسایی الگوهای مشخص در داده ها به کار میرود. محققانی که در این زمینه فعالیت می نمایند لازم است تا با تکنیک های متنوع داده کاوی آشنا بوده و بهترین تکنیک را برای انجام تحقیقات خود بکار گیرند. در این مقاله سعی شده است تا تکنیک های متنوع داده کاوی آشنا بوده و بهترین تکنیک را برای انجام تحقیقات خود بکار گیرند. در این مقاله سعی شده است تا تکنیک ها و راهکارهای داده کاوی که برای شناسایی تومورهای مغزی ارائه شده است، بیان گردد.

نویسندگان

الهام تیما

دانشجوی کارشناسی ارشد گرایش نرم افزار، دانشکده فنی، دانشگاه آزادشهرکرد، شهرکرد، ایران

تقی جاودانی

استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد بروجن، بروجن، ایران

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 :
  • Zhou, Mu, et al, Imbalanced learning for clinical survival group ...
  • Kleihues P, Burger P C, and Scheithauer B W, The ...
  • Egger J, Kapur T, Fedorov A, Pieper S, Miller J ...
  • Bauer, Stefan, et al, A survey of MRI-based medical image ...
  • Liao, Shu-Hsien, Pei-Hui C, and Pei-Yuan H, Data mining techniques ...
  • Prastawa M, Bullitt E and Gerig G, Simulation of brain ...
  • Bauer, Stefan, et al, A survey of MRI-based medical image ...
  • Wang S, and Summers R M, Machine learning and radiology ...
  • Farjam R, Parmar H A, Noll D C, Tsien C ...
  • Schad L R, BI"uml S and Zuna I, MR tissue ...
  • Phillips W E, Velthuizen R P, Phuphanich S, Hall L ...
  • Clarke J and Chang S, Pseudoprogres sion and p seudoresponse ...
  • Fletcher-Heat L M, Hall L O, Goldgof D B and ...
  • Cai H, Verma R, Ou Y, Lee S-K, Melhem E ...
  • Verma R, Zacharaki E I, Ou Y, Cai H, Chawla ...
  • Ruan S, Lebonvallet S, Merabet A and Constans J-M, Tumor ...
  • Ruan S, Zhang N, Liao Q and Zhu Y, Image ...
  • Jensen T R and Schmainda K M, C omputer-aided detection ...
  • Zikic D, Glocker B, Komukoglu E, Criminisi A, Demiralp C, ...
  • Dina Aboul Dahab, Samy S. A. Ghoniemy, Gamal M. Selim, ...
  • Geremia E, Menze B H, PrastawaM , WeberM A, Criminisi ...
  • Criminisi A, Shotton J and Konukoglu E, Decision forests for ...
  • Minakshi S, and Dr. Saurabh M, Fuzzy C-Means, ANFIS and ...
  • Amarpreet K, and Gagandeep J, Overview of Tumor Detection using ...
  • Selvanayaki K, and Dr. Kalugasalam P, Intelligent Brain Tumor Tissue ...
  • Jafari M, and Shafaghi R, A Hybird Approach for Automatic ...
  • نمایش کامل مراجع