به کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 به کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد به کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP  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 به کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن به کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP :

نام کنفرانس، همایش یا نشریه : بیماریهای پستان ایران

تعداد صفحات :۲۲

مقدمه: سرطان پستان به رغم انتشار گسترده، به کمک تصاویر ماموگرافی و علایم بالینی بیمار قابل شناسایی به موقع و معالجه قطعی است. حذف اختلال های ناخواسته نظیر نویزها و بهبود کیفیت تصاویر ماموگرافی، در افزایش دقت تشخیص سرطان موثر می باشد. نویزهای ضربه در تصاویر ماموگرافی دیجیتال به گونه ای است که در آن اختلاف شدت پیکسل نویزی با پیکسل های اطراف زیاد است. وجود علایم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار می کند. پردازش تصاویر ماموگرافی امکان تحلیل وضعیت بیماران برای تصمیم گیری های پزشکی را فراهم می کند. هدف این مقاله، ارایه یک مدل برای حذف نویز ضربه از تصاویر ماموگرافی به منظور افزایش دقت پیش بینی سرطان پستان است.روش بررسی: در این مطالعه، تصاویر ماموگرافی ۵۷۴ بیمار مبتلا به سرطان پستان مورد بررسی قرار گرفته است. اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی مرتاض یزد جمع آوری شده است. به منظور ارایه مدل برای حذف نویز ضربه از از تصاویر ماموگرافی الگوریتم GBC و شبکه عصبی MLP استفاده می شود.یافته ها: مدل پیشنهادی با روش هایی از قبیل MDBUTMF و ATSM مورد مقایسه قرار گرفت. نتایج شبیه سازی برتری دقت تشخیص و حذف نویز ضربه از تصاویر ماموگرافی مدل پیشنهادی نسبت به سایر روش ها را نشان می دهد. همچنین PSNR تصویر به طور متوسط ۲dB افزایش می یابد.نتیجه گیری: در حذف نویز ضربه به منظور پیش بینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدل های مورد مقایسه دارای حداقل میزان خطا و بیش ترین دقت و صحت است. روش ATSM، حداکثر میزان خطا و کم ترین دقت را دارا می باشد.

کلید واژه: سرطان پستان، ماموگرافی، الگوریتم GBC، شبکه عصبی MLP، حذف نویز