دانلود مقاله ترجمه شده روش هایی برای تشخیص اتوماتیک و طبقه بندی توده ها در ماموگرام ها


چطور این مقاله مهندسی برق را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2008479 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
665,000 ریال
شناسه محصول :
2008479
سال انتشار:
2014
حجم فایل انگلیسی :
409 Kb
حجم فایل فارسی :
170 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

روش هایی برای تشخیص اتوماتیک و طبقه بندی توده ها در ماموگرام ها

عنوان انگليسي

Approaches For Automated Detection And Classification Of Masses In Mammograms

نویسنده/ناشر/نام مجله

International Journal Of Engineering And Computer Science

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی برق شامل 5 صفحه انگلیسی به صورت پی دی اف و 13 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

سرطان پستان یکی از شایع­ترین سرطان­ های زنان در سراسر جهان است. روش­ های مختلفی برای تشخیص سرطان پستان وجود دارد. ماموگرافی یکی از مؤثرترین ابزار برای تشخیص زودهنگام این بیماری است. هدف این پژوهش، افزایش دقت تشخیصی پردازش تصویر و تکنیک ­های یادگیری ماشین برای بهینه­ سازی طبقه­ بندی نمونه در یکی از دو گروه عادی و غیرعادی در ماموگرافی­ های دیجیتال است. استخراج ویژگی­های بافت GLCMبه عنوان رایج­ترین و قدرتمندترین تکنیک تحلیل بافت شناخته شده است. این مقاله به ارزیابی و مقایسه عملکرد دو روش طبقه­ بندی متفاوت مورد استفاده در طبقه­ بندی الگوهای طبیعی و غیرطبیعی می­پردازد. نتایج تجربی از برتری شبکه عصبی مصنوعی نسبت به سایر روش­ها حکایت دارد.

1- مقدمه

سرطان پستان یک مشکل بهداشتی عمومی است. پستان­ها در موقعیت چپ و راست قرار دارند. سرطان پستان به دو نوع طبیعی و غیرطبیعی تقسیم می­شود. معمولا در الگوی طبیعی سطح پستان صاف و در الگوی غیرطبیعی زبر و پیچیده است. موارد غیر طبیعی به دو دسته تقسیم می­شوند: توده و کلسیفیکاسیون پستانی. توده ­ها به واسطه مشخصات و شکل خود مشخص می­شوند. کلسیفیکاسیون به معنی توده ­های کوچک رسوبی کلسیمی در بافت سینه است که به صورت گروهی از نقاط روشن در ماموگرام ظاهر می­شود....


 

تشخیص سرطان پستان ماموگرافی :کلمات کلیدی

چکیده انگلیسی

Abstract

Breast cancer is one of the most common cancer among women around the world. Several techniques are available for detection of breast cancer. Mammography is one of the most effective tools for early detection. The goal of this research is to increase the diagnostic accuracy  of  image  processing  and  machine  learning  techniques  for  optimum  classification  between  normal  and  abnormalities  in  digital mammograms.  GLCM  texture  feature  extractions  are  known  to  be  the  most  common  and  powerful  techniques  for  texture  analysis.  This paper  presents  an  evaluation  and  comparison  of  the  performance  of  two  different  classification  methods  used  to  classify  the  normal  and abnormal patterns. The experimental result suggest that Artificial Neural Network is outperformed the other  method.

Keywords: Mammograms
این برای گرایش های: کلیه گرایش ها، کاربرد دارد. همچنین این در گرایش های: کلیه گرایش ها، می تواند کاربرد داشته باشد. همچنین این در گرایش های: کلیه گرایش ها، می تواند کاربرد داشته باشد. [ برچسب: ]
 مقاله مهندسی برق با ترجمه
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی برق > مقاله های مهندسی برق و ترجمه فارسی آنها > روش هایی برای تشخیص اتوماتیک و طبقه بندی توده ها در ماموگرام ها
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید