دانش رسان |
مرکز علم و دانش کشور مقاله استخراج ویژگیهای مربوط به توزیع رنگدانه از تصاویر ضایعات رنگدانهای به منظورتشخیص خودکار ضایعات ملانوما از خو شخیم
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله استخراج ویژگیهای مربوط به توزیع رنگدانه از تصاویر ضایعات رنگدانهای به منظورتشخیص خودکار ضایعات ملانوما از خو شخیم دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله استخراج ویژگیهای مربوط به توزیع رنگدانه از تصاویر ضایعات رنگدانهای به منظورتشخیص خودکار ضایعات ملانوما از خو شخیم کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استخراج ویژگیهای مربوط به توزیع رنگدانه از تصاویر ضایعات رنگدانهای به منظورتشخیص خودکار ضایعات ملانوما از خو شخیم،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله استخراج ویژگیهای مربوط به توزیع رنگدانه از تصاویر ضایعات رنگدانهای به منظورتشخیص خودکار ضایعات ملانوما از خو شخیم :
تعداد صفحات:۸
چکیده:
هدف از این تحقیق تشخیص خودکار ضایعات سرطانی ملانوما از ضایعات خوشخیم است. برای این منظور ناحیهبندی خودکار تصاویردرموسکوپی با استفاده از بازسازی تصاویر در فضای مولفههای اساسی و سپس آستانهگذاری بر هیستوگرام تصویر حاصل پیشنهاد شده است. در این تحقیق ویژگیهای جدیدی که بیانگر نحوه توزیع رنگدانه در ضایعه هستند، معرفی شدهاند. نتایج این تحقیق نشان میدهند که با استخراج ۳۳ویژگی بر اساس قاعدهABCD و همچنین روش ارائه شده برای استخراج ۱۰ ویژگی مربوط به توزیع رنگدانه در ضایعه، میتوان دقت تشخیص ضایعات ملانوما را افزایش داد. پس از استخراج ویژگیهای مربوطه، ۱۰ ویژگی که دارای بیشترین اطلاعات متقابل با کلاس هدف هستند، انتخاب شده و به عنوان ورودی به طبقهبند اعمال میشوند. این روش بر روی ۱۲۰ تصویر درموسکوپی شامل ۶۳ ملانوما و ۵۷ ضایعه خوشخیم بررسی شده است. با استفاده از طبقهبندهای PNN و SVM ،KNN ،LDAو تکنیک Leave one out برای آموزش و تست طبقهبندها، بهترین دقت تشخیص برای ضایعات ملانوما۸۷/۳%و برای ضایعات خوشخیم،۸۲/۵% و دقت طبقهبندی کل، ۸۵ % با استفاده از طبقهبندهای KNN و SVM بدست آمده است
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
