ترجمه مقاله الگوریتم ژنتیک هیبریدی برای استخراج و انتخاب ویژگیهای تصاویر پزشکی - نشریه الزویر

قیمت خرید این محصول

۲۴,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

الگوریتم ژنتیک هیبریدی برای استخراج و انتخاب ویژگیهای تصاویر پزشکی

عنوان انگلیسی

Hybrid Genetic Algorithm for Medical Image Feature Extraction and selection

صفحات مقاله فارسی

8

صفحات مقاله انگلیسی

8

سال انتشار

2016

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

31

وضعیت ترجمه عناوین تصاویر

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر

ترجمه نشده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و مهندسی پزشکی

گرایش های مرتبط با این مقاله

پردازش تصاویر پزشکی، هوش مصنوعی و مهندسی الگوریتم ها و محاسبات

مجله

کنفرانس بین المللی مدل سازی محاسباتی و امنیت

دانشگاه

گروه مهندسی برق و الکترونیک، دانشگاه ساتیاباما، هند

کلمات کلیدی

استخراج ویژگی، انتخاب ویژگی، Texton، الگوریتم ژنتیک

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1. مقدمه
2. شیوه فنی
3. استخراج ویژگی
1. 3 الگوریتم استخراج الگوی ذاتی
2. 3 الگوریتم استخراج گرادیان کنتور مبتنی بر Texton
3. 3 SIFT بهبود یافته
4. انتخاب ویژگی
5. بازخورد ربط مبتنی بر چگالی متنوع
6. نتیجه آزمایش
7 نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

For a hybrid medical image retrieval system, a genetic algorithm (GA) approach is presented for the selection of dimensionality reduced set of features. This system was developed in three phases. In first phase, three distinct algorithm are used to extract the vital features from the images. The algorithm devised for the extraction of the features are Texton based contour gradient extraction algorithm, Intrinsic pattern extraction algorithm and modified shift invariant feature transformation algorithm. In the second phase to identify the potential feature vector GA based feature selection is done, using a hybrid approach of “Branch and Bound Algorithm” and “Artificial Bee Colony Algorithm” using the breast cancer, Brain tumour and thyroid images. The Chi Square distance measurement is used to assess the similarity between query images and database images. A fitness function with respect Minimum description length principle were used as initial requirement for genetic algorithm. In the third phase to improve the performance of the hybrid content based medical image retrieval system diverse density based relevance feedback method is used. The term hybrid is used as this system can be used to retrieve any kind of medical image such as breast cancer, brain tumour, lung cancer, thyroid cancer and so on. This machine learning based feature selection method is used to reduce the existing system dimensionality problem. The experimental result shows that the GA driven image retrieval system selects optimal subset of feature to identify the right set of images.

نمونه چکیده ترجمه متن فارسی

چکیده
در مورد سیستم بازیابی تصویر هیبریدی، شیوه الگوریتم ژنتیک (GA) برای انتخاب مجموعه ابعاد کاهش یافته ویژگیها مطرح می شود. این سیستم در سه فاز توسعه یافت. در فاز اول، از سه الگوریتم متمایز برای استخراج ویژگیهای حیاتی از تصاویر استفاده می شود. الگوریتم توصیه شده برای استخراج ویژگیها، الگوریتم استخراج گرادیان کنتور مبتنی بر Texton، الگوریتم استخراج الگوی ذاتی و الگوریتم تبدیل ویژگی ثابت یا تغییر ناپذیردر برابر جابجایی. در فاز دوم برای شناسایی بردار ویژگی بالقوه، انتخاب ویژگی مبتنی بر GA با استفاده از شیوه هیبریدی الگوریتم شاخه و حد و الگوریتم کلونی زنبور مصنوعی با استفاده از تصاویر سرطان سینه، تومور مغزی و تیروئید، انجام می شود. از اندازه گیری فاصله مربع خی برای سنجش تشابه بین تصاویر پرس و جو و تصاویر پایگاه داده استفاده می شود. از تابع برازش با اصل حداقل طول توصیف به عنوان نیاز اولیه برای الگوریتم ژنتیک استفاده گردید. در فاز سوم، برای بهبود عملکرد سیستم بازیابی تصاویر پزشکی مبتنی بر محتوای هیبریدی (ترکیبی)، از روش بازخورد ربط مبتنی بر چگالی استفاده می شود. در این جا از کلمه هیبرید استفاده می شود، زیرا از این سیستم می توان برای بازیابی هر نوع تصاویر پزشکی نظیر سرطان سینه، تومور مغزی، سرطان ریه، سرطان تیروئید و غیره استفاده نمود. از این روش انتخاب ویژگی مبتنی بر یادگیری ماشین برای کاهش مسئله ابعاد سیستم موجود استفاده می شود. نتیجه آزمایش نشان می دهد سیستم بازیابی تصویر مبتنی بر GA، زیرمجموعه بهینه ای از ویژگیها را برای شناسایی مجموعه درستی از تصاویر انتخاب می نماید.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی هوش مصنوعی، دانلود رایگان مقالات انگلیسی مهندسی پزشکی