بهبود عملکرد شبکه عصبی MLP در طبقه بندی تصاویر شبکیه چشم جهت تشخیص خودکار بیماری گلوکوم مبتنی بر قطعه بندی تصویر


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
6 بازدید
۷۹,۷۰۰ تومان
خرید

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

 بهبود عملکرد شبکه عصبی MLP در طبقه بندی تصاویر شبکیه چشم جهت تشخیص خودکار بیماری گلوکوم مبتنی بر قطعه بندی تصویر دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود عملکرد شبکه عصبی MLP در طبقه بندی تصاویر شبکیه چشم جهت تشخیص خودکار بیماری گلوکوم مبتنی بر قطعه بندی تصویر  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 بهبود عملکرد شبکه عصبی MLP در طبقه بندی تصاویر شبکیه چشم جهت تشخیص خودکار بیماری گلوکوم مبتنی بر قطعه بندی تصویر،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن بهبود عملکرد شبکه عصبی MLP در طبقه بندی تصاویر شبکیه چشم جهت تشخیص خودکار بیماری گلوکوم مبتنی بر قطعه بندی تصویر :

تعداد صفحات :۹

چکیده مقاله:

در این مقاله، از طریق طبقه‎بندی تصایر رنگی شبکیه‎ی چشم، یک سیستم تشخیص خودکار پزشکی برای بیماری آب سیاه طراحی می‎شود. در تصویر شبکیه نشانه‎های بیماری آب سیاه، در ناحیه سرعصب بینایی ظاهر می‎شود.در اکثر موارد تشخیص بیماری در زمان مناسب انجام نمی‎گیرد و یک سیستم کمک تشخیص پزشکی می‎تواند بسیار مفید واقع شود. روش پیشنهادی شامل پنج بخش ۱- پیش پردازش تصویر، ۲- مکان‎یابی و استخراج خودکار دیسک‎ نوری ، ۳- تولید ماسک‎های باینری، ۴-استخراج ویژگی و ۵- طبقه بندی تصاویر است. در این مقاله الگوریتمی جدید جهت استخراج الگوی رگها مبتنی بر فیلتر تقویت بالا و تبدیل پایین کلاه مورفولوژی ارایه می‎گردد.ایده اصلی در بخش استخراج ویژگی این است که ویژگی ها به صورت محلی استخراج شوند تا قابلیت تفکیک پذیری بالاتری داشته باشند، که شامل توصیف گرهای آماری سطوح شدت داخل دیسک‎نوری و ویژگی بافت حاشیه اطراف آن است. در این مقاله در بخش طبقه بندی برای بالا بردن قابلیت تعمیم شبکه عصبی MLP و جلوگیری از بیش برازش آن، روش جدیدی بر پایه رویکرد توقف زود هنگام و تحلیل T2 ارایه می‎گردد.روش پیشنهادی بر روی پایگاه داده استاندارد تصاویر شبکیه آزمایش شده، که ۱۰۰ تصویر سالم و ۸۲ تصویر بیمار با دقت ۹۶% درصد طبقه بندی شده است.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.