دانلود مقاله ترجمه شده تشخیص تومور مغز در تصاویر سه بعدی MRI با استفاده از الگوهای دودویی محلی و هیستوگرام گرادیان جهت دار


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2008482 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT 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 :
315,000 ریال
شناسه محصول :
2008482
سال انتشار:
2017
حجم فایل انگلیسی :
2 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

تشخیص تومور مغز در تصاویر سه بعدی MRI با استفاده از الگوهای دودویی محلی و هیستوگرام گرادیان جهت دار

عنوان انگليسي

Detection of Brain Tumor in 3D MRI Images using Local Binary Patterns and Histogram Orientation Gradient

نویسنده/ناشر/نام مجله

Neurocomputing

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 23 صفحه انگلیسی به صورت پی دی اف و 23 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

آسیب­ شناسی تومور مغز یکی از رایج­ترین موضوعات مرگ­ و میر است که به عنوان یک اولویت ضروری برای جوامع مراقبت­ های بهداشتی در نظر گرفته می­شود. تشخیص دقیق نوع اختلال در طرح­ ریزی درمان یک مسأله حیاتی است که می­تواند نتایج مرگ­بار را به حداقل برساند. متمایز ساختن مناطق مختلف مغز از یکدیگر، هدف عمده در قطعه­ بندی و تشخیص است. این روش­ها در کنار دقیق بودن، باید به سرعت اجرا شوند.

در این مقاله یک روش خودکار برای تشخیص تومور مغز در تصاویر سه­ بعدی پیشنهاد شده است. در اولین گام، تصحیح میدان تأثیر و برازش هیستوگرام در پردازش تصاویر به کار گرفته شد. در مرحله بعد، محل مورد نظر شناسایی و از زمینه­ ی تصویر فلیر (Flair) تفکیک شد. الگوی دودویی محلی در سه صفحه متعامد (LBP-TOP) و هیستوگرام گرادیان جهت دار (HOG-TOP) به عنوان ویژگی­ های فراگیری مورد استفاده قرار گرفتند. از آنجایی که در این تحقیق از تصاویر سه ­بعدی استفاده می­شود، ما برای تعمیم هیستوگرام گرادیان جهت دار به تصاویر سه ­بعدی، از تفکر الگوی دودویی محلی در سه صفحه متعامد استفاده کردیم. سپس جهت قطعه ­بندی مناطق توموری، جنگل تصادفی را به کار می­بریم. ما راندمان الگوریتم خود در تصاویر گلیوم تهیه شده از BRATS 2013 را ارزیابی می­کنیم. نتایج و تحلیل­ های آزمایشگاهی ما نشان می­دهد که چارچوب پیشنهادی ما در تشخیص تومورهای مغزی بر روش­های دیگر برتری دارد.

1- مقدمه

امروزه با توسعه سریع علم و فناوری و قابلیت دسترسی به داده­ه ای پزشکی، نیاز به الگوریتم­ های فراگیری ماشینی دقیق­تر احساس می­شود. طی دهه­ های اخیر، محققان بسیاری بر پردازش داده ­های پزشکی از طریق الگوریتم ­های فراگیری ماشینی تمرکز کرده ­اند [2، 1].

تومور مغزی به رشد سلول­ های غیرعادی در داخل مغز اطلاق می­شود [3]. انتشار یک تومور به ترکیبی از عوامل مختلف از قبیل نوع تومور، محل تومور، اندازه تومور و روش گسترش و توسعه تومور بستگی دارد. گلیوم شایع­ترین تومور اصلی در مغز بزرگسالان است. این تومورها از سلول­های گلیال رشد می­کنند و می­توان آن­ها را به چهار درجه طبقه ­بندی کرد؛ درجه 3 یا 4 گلیوم درجه­بالا هستند. درجات 1 و 2 را می­توان در مورد تومورهای درجه ­پایین در گروه درمانی به کار برد....

 

 

پردازش تصویر پزشکی تشخیص تومور الگوهای دودویی محلی هیستوگرام گرادیان جهت دار تصاویر MRI :کلمات کلیدی

چکیده انگلیسی

Abstract

Brain tumor pathology is one of the most common mortality issues considered as an essential  priority for health care societies. Accurate diagnosis of the type of disorder is crucial to make a  plan  for  remedy  that  can  minimize  the  deadly  results.  The  main  purpose  of  segmentation and detection is to make distinction between different regions of the brain. Besides accuracy, these techniques should be implemented quickly.  In  this  paper  an  automatic  method  for  brain  tumor  detection  in  3D  images  has  been proposed. In the first step, the bias field correction and histogram matching are used for preprocessing  of  the  images.  In  the  next  step,  the  region  of  interest  is  identified  and  separated from  the  background  of  the  Flair  image.  Local  binary  pattern  in  three  orthogonal  planes (LBP-TOP)  and  histogram  of  orientation  gradients  (HOG-TOP)  are  used  as  the  learning features. Since 3D images are used in this research we use the idea of in local binary pattern in three orthogonal planes in order to extend histogram orientation gradients for 3D images. The random forest is  then used to segment tumorous regions. We evaluate the performance of  our  algorithm  on  glioma  images  from  BRATS  2013.  Our  experimental  results  and analyses  indicate  that  our  proposed  framework  is  superior  in  detecting  brain  tumors  in comparison with other techniques.

Keywords: Medical Image Processing Tumor Detection Local Binary Patterns Histogram Orientation Gradient
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 کامپیوتر و IT با ترجمه
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی برق > مقاله های مهندسی برق و ترجمه فارسی آنها > تشخیص تومور مغز در تصاویر سه بعدی MRI با استفاده از الگوهای دودویی محلی و هیستوگرام گرادیان جهت دار
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