Thesis

استخراج ویژگی های مناسب برای بهبود طبقه بندی تصاویر اشعه x پزشکی بر اساس محتوا

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

با افزایش روز افزون تصاویر اشعه x پزشکی، نیاز به ابزارهای طبقه بندی کننده و بازیابی این دسته از تصاویر که دارای قابلیت و توانایی بالایی نیز باشند، افزایش یافته است. رکن اساسی بازیابی تصاویر اشعه x بر اساس محتوا، طبقه بندی آنها است. بنابراین، در صورتی که طبقه بندی موفق و مناسبی حاصل شود، بازیابی نیز موفقیت آمیز و دارای صحت بسیار بالایی خواهد بود. برای داشتن یک طبقه بندی مناسب می بایست معیارهایی که به این منظور انتخاب می شوند بسیار دقیق بوده و توصیف جامع و کاملی از تصاویر ارائه دهند. این معیارها همان ویژگی هایی هستند که از تصاویر استخراج می شوند که به سه دسته عمده شکل، بافت و رنگ تقسیم بندی می گردند. از آنجایی که تصاویر اشعه x پزشکی، تصاویر سطح خاکستری هستند و خصوصیات بافتی نسبتا مشابهی دارند، از ویژگی رنگ و تا حد بسیار بالا از ویژگی بافتی نمی توان به عنوان معیارهای مناسب برای طبقه بندی این دسته از تصاویر استفاده نمود. در این تحقیق با هدف بهبود طبقه بندی تصاویراشعه x پزشکی و در نهایت بهبود روش های بازیابی مبتنی بر محتوا که منجر به تسریع در عمل تشخیص بیماری، شناسایی بیمار و عضو آسیب دیده می شوند و با توجه به خصوصیات تصاویر اشعه x پزشکی، تمرکز بر روی ویژگی شکلی قرار گرفت و روشی برای بهبود ویژگی های متداول استخراجی از تصاویر اشعه x پزشکی پیشنهاد گردید. در نهایت یک ویژگی کاملا جدید که ترکیبی از ویژگی های شکلی و بافتی بوده و ویژگی شکلی بافتی نامیده شد، معرفی و پیشنهاد شد که توانست توانایی بالایی در طبقه بندی این دسته از تصاویر نسبت به سایر روش های استخراج ویژگی از خود به نمایش بگذارد. نرخ صحت بدست آمده از ارزیابی این ویژگی در ترکیب با دو ویژگی دیگر برای 4402 تصویر در 21 کلاس از تصاویر اشعه x پزشکی توسط ماشین بردار پشتیبان، به بیش از 94% رسیده است.

Supervisors and advisors

محمد صادق هل فروش، کامران کاظمی

Similar theses

Similar items

  • ارائه روشی برای طبقه بندی داده های ابرطیفی aviris ، با استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها

    Articleسنجش از دور و gis ایرانمجید رحیم زادگان، دانشگاه خواجه نصیرالدین طوسی محمدرضا مباشری، دانشگاه خواجه نصیرالدین طوسی محمدجواد ولدان زوج، دانشگاه خواجه نصیرالدین طوسی یاسر مقصودی مهرانی

    یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظرو طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابر طیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باند ها)، اح

  • استفاده از سیستم های طبقه بندی چندگانه به منظور بهبود دقت طبقه بندی تصاویر تمام پلاریمتریک راداری با فضای ویژگی ابعاد بالا

    Articleمهندسی فناوری اطلاعات مکانیایمان خسروی، iman khosravi مهدی آخوندزاده، akhondzadeh mehdi

    یک تصویر تمام پلاریمتریک راداری (polsar) قابلیت فراهم کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می تواند دقت کلی طبقه بندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونه­های آموزشی ممکن است باعث پیچیده­تر شدن طبقه­بندی

  • سنجش کارایی ویژگی های بافتی glcm در افزایش دقت طبقه بندی تصاویر حاصل از ادغام تصاویر تک باند و ابرطیفی مناطق مسکونی و صنعتی جنوب شهر تهران

    Articleعلوم و فنون نقشه برداریاحمد ملک نژاد، a. malek nejad tarbiat modares universityدانشکده علوم انسانی - دانشگاه تربیت مدرس حسن قاسمیان، h. ghassemian tarbiat modares universityدانشکده برق و کامپیوتر -دانشگاه تربیت مدرس فردین میرزاپور، f. mirzapour tarbiat modares universityدانشکده برق و کامپیوتر -دانشگاه تربیت مدرس

    اکثر الگوریتم های طبقه بندی داده های سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی مفید قابل استخراج از این تصاویر، مانند؛ بافت تصاویر می شود. استفاده هم زمان از بافت و اطلاعات طیفی مبحثی است که به آن کمتر پرداخته شده

  • ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به منظور طبقه بندی تصاویر تمام پلاریمتریک راداری

    Articleمهندسی فناوری اطلاعات مکانیایمان خسروی، iman khosravi میرمجید موسوی، mir majid mousavi جلال امینی، jalal amini

    یک تصویر تمام پلاریمتریک راداری (polsar) قادر است ویژگی­های پلاریمتریک مهمی برای طبقه­بندی پوشش زمینی فراهم کند. این ویژگی­ها می توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روش­های تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگی­های پلار

  • طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی بر اساس تلفیق طبقه بندی کننده ماشین بردار پشتیبان و میدان های تصادفی مارکوف

    Articleمهندسی فناوری اطلاعات مکانیعلی مسجدی، ali masjedi یاسر مقصودی، yasser maghsoudi محمدجواد ولدان زوج، mohamad javad valadan zoej

    تحقیقات اخیر نشان داده است که طبقه بندی تصاویر سنجش ازدور با کمک روش هایی که از اطلاعات مکانی در کنار اطلاعات طیفی استفاده می کند، نسبت به روش های مبتنی بر فقط اطلاعات طیفی، دقیق تر می باشد. اگرچه طبقه بندی به روش ماشین بردار پشتیبان دارای نتایج دقیق در بیشتر تصاویر سنجش ازدور می

  • بهبود طبقه بندی طیفی- مکانی جنگل پوشای مینیمم با کاهش ابعاد تصاویر فراطیفی

    Articleعلوم و فنون نقشه برداریداود اکبری، d. akbari surveying and geomatics engineering department, college of engineering, university of tehran, tehran, iranگروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران عبدالرضا صفری، a. safari surveying and geomatics engineering department, college of engineering, university of tehran, tehran, iranگروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران صفا خزائی، s. khazai department of civil engineering, college of engineering, imam hussein comprehensive university, tehran, iranگروه مهندسی عمران- دانشکده فنی- دانشگاه جامع امام حسین (ع) سعید همایونی

    فن آوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر فراطیفی ایجاب می کند. در این تحقیق روشی جدید جهت ط