ارایه روشی جدید تشخیص سرطان سینه با استفاده از بهبودعمق تصاویر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 502
- 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:
ICMEAC04_047
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
سرطان پستان یکی از شایع ترین انواع سرطان و همچنین علت عمده مرگ ومیر در میان زنان است. ماموگرافی در حال حاضر موثرترین روش تصویربرداری برای تشخیص ناهنجاری است که می تواند سلول های سرطان را شناسایی کند. مطالعات گذشته نشان می دهد که در حال حاضر 15 تا 30 درصد از موارد سرطان پستان توسط رادیولوژیست از بین می رود. تکنیک های پردازش تصویر دیجیتال پیشرفت کرده است و ماموگرافی دیجیتال موثرترین تکنیک تشخیص سرطان سینه است. هدف از این پژوهش توسعه یک ابزار قابل اعتماد برای تشخیص سرطان سینه با استفاده از تصاویر ماموگرافی دیجیتال است، که برای بهبود، افزایش کیفیت تصویر در تشخیص دقیق تر غدد سینه بیمار به پردازش تصاویر ماموگرافی دیجیتال پرداخته می شود. این پژوهش، به سه مرحله آماده سازی، قسمت اصلی و پردازش نهایی تقسیم می شود. در این پژوهش ابتدا بااستفاده از روش های پیش پردازشی، بعد تکنیک جدید تبدیل گسترش فاز PST، سپس استخراج ویژگی ها با روش اختلاف شدت سطوح خاکستری GLDM به بهبود عمق تصاویرپرداخته شده است و در آخر تشخیص غیر نرمال بودن را با دسته بند SVM، با دقت 97.39% محاسبه شده است. باید خاطر نشان کرد که عمق در تصاویر دیتابیس مذکور بصورت بافتی سرطانی است که به کمک اعمال فیلترها و پردازش های مختلف از لایه های زیرین تصویر بدست خواهد آمد. هدف اصلی این تحقیق بهبود عمق تصاویر وارایه روشی جدید برایتشخیص دقیق تر تصاویر با استفاده از قابلیت های بهبود عمق در پردازش تصویر است
کلیدواژه ها:
نویسندگان
محسن دستوریان
دانشجو کارشناسی ارشد مهندسی کامپیوتر-هوش مصنوعی، دانشگاه آزاد بوشهر.
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 :