این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۵، شماره ۲، صفحات ۲۷-۳۷
عنوان فارسی تشخیص تومورهای مغزی با استفاده از ترکیب سیستم استنتاج فازی-عصبی وفقی و خوشه بندی سلسله مراتبی
چکیده فارسی مقاله تشخیص محدوده تومورهای مغزی یک گام مهم و اساسی در سیستم‌های تشخیص و درمان خودکار می باشد. در این مقاله یک روش ترکیبی مبتنی بر سیستم استنتاج فازی-عصبی وفقی (ANFIS) و خوشه بندی سلسله مراتبی برای تشخیص موقعیت و محدوده تومورهای مغزی ارائه شده است. برای این منظور ابتدا خط مرکزی ناحیه مغز تشخیص داده شده، سپس با بلاک بندی ناحیه دو نیمکره مغز و استخراج ویژگی شدت روشنایی و بافت هر بلاک و نیز با بهره گیری از ویژگی تقارن موجود در دو نیمکره مغز، بلاک های حاوی بافت های توموری با استفاده از دسته بندی کننده ANFIS تشخیص داده می شوند. در نهایت با هموارسازی تصویر تصاویر تشدید مغناطیسی (MRI) مغز و با بهره گیری از خوشه بندی سلسله مراتبی محدوده دقیق تومور مشخص خواهد شد. روش ارائه شده روی تصاویر MRIبانک Harvard ارزیابی شده است. کارایی روش ارائه شده با استفاده از معیار دقت برابر %7/4±1/98، حساسیت برابر%2/3±1/94 و خاصگی آن برابر%9/4±7/98 می باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Brain tumors detection by combination of adaptive neuro-fuzzy inference system and hierarchical clustering
چکیده انگلیسی مقاله Detection of brain tumors region is a crucial step in automatic detection and treatment systems. This paper presents a hybrid method based on adaptive neuro-fuzzy inference system (ANFIS) and hierarchical clustering to identify location and region of brain tumors. For this purpose, first the center line of brain is detected, and then brain region is divided into non-overlapped blocks. Then, for each block intensity and texture features are extracted. With exploitation symmetry features of two hemispheres of the brain, blocks containing tumor tissue are recognized using ANFIS classifier. Finally by smoothing brain MRI image and exploiting hierarchical clustering, exact region of tumor is specified. The proposed method was tested on Harvard MRI dataset. The obtained performance of the proposed method with criterions accuracy, sensitivity and specificity are 98.1±4.7%, 94.1±3.2% and 98.7±4.9% respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله عبدالحسین فتحی |
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه

مهدی طاهری |
دانشجوی کارشناسی ارشد مهندسی کامپیوتر – معماری سیستم، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه

فردین ابدالی محمدی |
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه

نشانی اینترنتی http://jmvip.sinaweb.net/article_51469_c211c6bb2c07ea86a64bf84066d8f60b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-1258339.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات