دانلود ترجمه مقاله طبقه بندی عکس های پزشکی با شیوه منطق فازی بر مبنای الگوریتم ژنتیکی – مجله SPIE

عنوان فارسی: | طبقه بندی عکس های پزشکی با استفاده از شیوه منطق فازی بر مبنای الگوریتم ژنتیکی |
عنوان انگلیسی: | Medical image classification using geneticalgorithm based fuzzy-logic approach |
تعداد صفحات مقاله انگلیسی : 9 | تعداد صفحات ترجمه فارسی : 22 |
سال انتشار : 2004 | نشریه : SPIE |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 3258 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 691.49Kb |
رشته های مرتبط با این مقاله: پزشکی |
گرایش های مرتبط با این مقاله: تکنولوژی پرتوشناسی (رادیولوژی) |
مجله: عکسبرداری الکترونیک |
دانشگاه: گروه فنی رادیولوژی، دانشکده علوم بهداشت، دانشکده پزشکی، نیگاتا، ژاپن |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
۱ مقدمه
۲ روشها
۱ ۲ توابع عضویت فوزی و قوانین فوزی
۲ ۲ بهینه سازی تابع عضویت فوزی با استفاده از الگوریتم های ژنتیکی
۳ ۲ تغییر حالت فوزی (Defuzzification)
۳ کاربردها
۱ ۳ طبقه بندی بیماری قلبی میوکار با کمک تصاویر فراصوتی
۱ ۱ ۳ مجموعه داده
۲ ۱ ۳ استخراج ویژگی
۳ ۱ ۳ طبقه بندی با استفاده از شیوه منطق فوزی بر مبنای GA
۴ ۱ ۳ نتایج و بحث
۲ ۳ طبقه بندی توده های ریزآهکی دسته بندی شده روی ماموگرام ها
۱ ۲ ۳ مجموعه داده
۲ ۲ ۳ استخراج ویژگی
۳ ۲ ۳ طبقه بندی با استفاده از شیوه منطق فوزی بر مبنای GA
۴ ۲ ۳ نتایج و بحث
۴ نتیجه گیری
Abstract
In this paper we present a genetic-algorithm-based fuzzy-logic approach for computer-aided diagnosis scheme in medical imaging. The scheme is applied to discriminate myocardial heart disease from echocardiographic images and to detect and classify clustered microcalcifications from mammograms. Unlike the conventional types of membership functions such as trapezoid, triangle, S curve, and singleton used in fuzzy reasoning, Gaussiandistributed fuzzy membership functions (GDMFs) are employed in the present study. The GDMFs are initially generated using various texture-based features obtained from reference images. Subsequently the shapes of GDMFs are optimized by a genetic-algorithm learning process. After optimization, the classifier is used for disease discrimination. The results of our experiments are very promising. We achieve an average accuracy of 96% for myocardial heart disease and accuracy of 88.5% at 100% sensitivity level for microcalcification on mammograms. The results demonstrated that our proposed genetic-algorithm-based fuzzy-logic approach is an effective method for computer-aided diagnosis in disease classification.
چکیده
در این مقاله کاربرد شیوه منطق فوزی بر مبنای الگوریتم ژنتیکی در طرح تشخیص کامپیوتری تصویر برداری پزشکی را معرفی می کنیم. از این طرح برای تمایز بیماری قلبی میوکارد از تصاویر اکوکاردیوگرافی و تشخیص و طبقه بندی توده ریزآهکی از ماموگرام استفاده شده است. بر خلاف تیپ توابع عضویت قرارداری نظیر ذوزنقه ای، منحنی S شکل، مثلثی و تک تابع بکار رفته در استدلال فوزی، در مطالعه حاضر از توابع عضویت فوزی توزیع شده گاوسی (GDMF) استفاده شده است. ابتدا GDMF با استفاده از ویژگیهای بافتی مختلف بدست آمده از تصاویر مرجع تولید شده اند. سپس اشکال GDMF طی فرایند یادگیری الگوریتم ژنتیکی به صورت بهینه درآمدند. بعد از بهینه سازی، از تقسیم کنننده برای تشخیص بیماری استفاده شده است. نتایج آزمایشات انجام شده بسیار امیدوارکننده می باشد. در سطح 100 درصد حساسیت توده ریزآهکی در ماموگرام ها، متوسط صحت 96 درصد برای بیماری قلبی میوکارد و صحت 5. 88 درصد به دست می آید. نتایج حاصله حاکی از آن بود که شیوه منطق فوزی بر مبنای الگوریتم ژنتیکی پیشنهاد شده روشی موثر برای تشخیص کامپیوتری طبقه بندی بیماری به شمار می رود.
اگر مایل به تهیه نسخه پاورپوینت مقاله طبقه بندی عکس های پزشکی با استفاده از شیوه منطق فازی بر مبنای الگوریتم ژنتیکی هستید اینجا کلیک نمایید. همچنین برای خرید مقاله ورد از دکمه های زیر استفاده نمایید.