این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۳، شماره ۲، صفحات ۲۲۴۷-۲۲۵۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Brain tumors classification based on segmentation techniques and wavelet transform
چکیده انگلیسی مقاله This paper aims to provide better approaches for segmenting and classifying brain tumours using Magnetic Resonance images (MRI). In this paper, the wavelet features are formed by the transformation of probability density function (PDF) to spectrogram images using Continuous Wavelet Transform (2D-CWT), which is a simple method for extracting features, whereas the Feature extraction methods (PDF and 2D-CWT) are improving the performance. In addition, a morphological operation for segmenting images and a convolutional neural network (CNN) are utilized as a classifier in order to increase the segmentation performance. On the BraTS2019 dataset, the method's performance is assessed in terms of F1-score and tumor region segmentation accuracy. This achieved the greatest results, with accuracy and F1-score of 97.37 % and 97.43 %, respectively.
کلیدواژه‌های انگلیسی مقاله brain tumor, Magnetic Resonance Imaging (MRI), feature extraction, Segmentation, Classification
نویسندگان مقاله Noor Mohammed Ghadi |
Department of Computer Science, University of Baghdad, Baghdad, Iraq

Nassir H. Salman |
Department of Computer Science, University of Baghdad, Baghdad, Iraq

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_6612_6b3d3d34a6f39107979eacc989887f59.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات