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 ۱۲۷-۱۳۸
عنوان فارسی تشخیص سلول‌های میتوزی در تصاویر بیوپسی پستان با کمک ماشین‌های یادگیری سریع
چکیده فارسی مقاله یکی سه معیار‌ اصلی که در تعیین درجه سرطان پستان به کار می‌رود، تعداد سلول‌هایی است که در حال تقسیم میتوزی هستند. تشخیص سلول‌های میتوزی به دلیل تنوع شکل ظاهری این سلول‌ها و همچنین شباهت با سلول‌های مرده و اجسام خارجی حاضر در بافت، دشوار است. استفاده از پردازش تصویر برای تشخیص خودکار این سلول‌ها، گامی مهم در کاهش خطا و افزایش سرعت درجه‌بندی سرطان است.  روش‌های موجود برای تشخیص این سلول‌ها، یا بر اساس استخراج ویژگی‌ها هستند که سریع‌اند ولی دقت تشخیص پایینی دارند، و یا بر اساس پردازش مستقیم تصویر با شبکه‌های عصبی عمیق هستند که دقتی بالا دارند ولی بسیار کند هستند. هدف این پژوهش ارائه روشی بی‌نیاز از استخراج ویژگی‌ها است که علاوه بر دقت زیاد، سرعتی بسیار بهتر از روش‌های مبتنی بر شبکه‌های عصبی عمیق داشته باشد. در روش پیشنهادی، تصاویر ورودی ابتدا برای جبران رنگ و کنتراست نمونه بافت اصلاح می‌شوند. سپس محل سلول‌های میتوزی احتمالی به کمک آستانه‌گیری و یافتن ماکزیمم‌های محلی تعیین می‌شود. تشخیص میتوزی بودن سلول با استفاده از ELM انجام می‌شود. میزان موفقیت روش پیشنهادی با معیارهای دقت، حساسیت و امتیاز F1 اندازه‌گیری شد که پیشرفت قابل توجهی را نسبت به بهترین کار‌های موجود نشان می‌دهد. همچنین، روش پیشنهادی بهبود قابل ملاحظه‌ای در زمان آموزش و اجرایی داراست.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Mitosis Detection in breast cancer biopsy images using Extreme Learning Machines
چکیده انگلیسی مقاله Counting mitotic cellsis one of the main tasks involved in assessing breast cancer proliferation grade. Unfortunately, detection of mitoses present in the tissue is a challenging task. These cells have a wide variety of shape configurations and are sometimes very similar to apoptotic cells or external objects in the tissue sample. Utilizing image processing for automatic detection of mitotic cells is likely to reduce human errorandincreasegrading speed and performance.Most available mitosis detection methods extract many features from cells then classify cells using classic classifiers, or else, directly classify cells using neural networks. The former are fast but inaccurate methods, the latter being slow but accurate. In this work, we aim to present a simultaneously fast and accurate method based on a special type of neural networks, called ELM. After a pre-processing step, candidate cells are selected using thresholding and finding local maxima. An ELM is then directly trained with each cell image, without feature extraction. Our results indicate a considerable improvement over the status-quo. Our method also benefits from a very fast training time and test time.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سوشیانت ذکریاپور |
دانشجوی کارشناسی ارشد کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل

حمید جزایری |
گروه کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل

مهدی ازوجی |
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل

نشانی اینترنتی http://jmvip.sinaweb.net/article_57680_d9336b87fa7a494fd31a9e3f6f61b48d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-1258345.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