تشخیص و طبقه بندی انواع نارسایی ها در کروموزوم های انسانی با استفاده از تکنیک های پردازش دیجیتالی تصاویر و شبکه های عصبی مصنوعی
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
ارایه یک سیستم کمک تشخیص کامپیوتری (cad)جهت تشخیص ندول های ریوی غیر منفرد با استفاده از پردازش دیجیتالی تصاویر سی تی اسکن ریه
یک ندول ریه، ضایعه ای کوچک داخل ریه است و معمولا به صورت گرد یا مارپیچی دیده می شود. استفاده از جراحی، رادیوتراپی و شیمی درمانی، روش های رایج درمان سرطان ریه هستند. با این وجود شانس زندگی 5 ساله بیماران پس از همه این مراحل درمانی بسیار پایین است. چرا که سرطان ریه معمولا بدون علای
استفاده از تلفیق تصاویر نوری و رادار برای طبقه بندی انواع مراتع
سنجش از دور می تواند به عنوان یک ابزار قدرتمند با به کار گیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه-بندی انواع پوشش گیاهی و کاربری اراضی مورد استفاده قرار گیرد. در این میان محققین در برخی از مناطق مانند مناطق کوهستانی به دلیل شرایط ارتفاعی منطقه و رفتار طیفی نزدیک
استفاده از روشهای هوش محاسباتی برای طبقه بندی کروموزوم های خاص روی تصاویر کاریوتایپ انسانی
دراین تحقیق از شبکه عصبی مصنوعی برای طبقه بندی کروموزوم ها استفاده شد. بردارهای ویژگی 9بعدی ، با استراتژی های گوناگون آموزش و اعتبارسنجی ، برای دسته بندی کروموزوم ها توسط شبکه های عصبی به کار گرفته شدند و نتایجی تا 95 درصد صحت در یک روش تقسیم داده ها و تا 97درصد در روش دیگر به دس
استفاده از اطلاعات مجاورت در پس پردازش نتایج طبقهبندی نظارت شدهی تصاویر ماهواره‌ای با تاکید بر توپولوژی فازی
با توجه به این امر که در طبقهبندی تصاویر با قدرت تفکیک مکانی متوسط، با مسئلهی وجود پیکسلهای مختلط در تصویر روبرو هستیم، استفاده از روشهای طبقهبندی فازی به جایروشهای طبقهبندی متداول ضروری به نظر میرسد. همچنین مطالعات اخیر نشان میدهند که استفاده از اطلاعات مجاورت به همراه
تشخیص بیماری ام اس با استفاده از روش های هوشمند بر مبنای طبقه بندی تصاویر mr
بیماری ام اس یک بیماری رایج در اعصاب مرکزی بوده (مغز و نخاع) که در اثر تخریب غلاف میلین، سبب ایجاد لکه های سفید یا پلاک های متعددی در مغز فرد می گردد. شیوع روز افزون بیماری ام اس از یک سو و تشخیص به موقع آن از سویی دیگر، لزوم به تصویربرداری دقیق را برای شناسایی ام اس بیان می کند.
بررسی استفاده از پردازش تصاویر دیجیتالی برای تشخیص پارامتر های مورفولوژیک غده های سیب زمینی
این تحقیق با هدف جداسازی سه واریته سیب زمینی به نام های اگریا، آلمرا و مارفونا توسط سیستم ماشین بینایی و با استفاده از پردازش تصاویر دیجیتال انجام شده است. جداسازی بر اساس مشخصه های هندسی، بافتی، رنگ پوست و رنگ گوشت غده انجام شد. برای این منظور یک سیستم ماشین بینایی به منظور جداس
اسناد مشابه
تشخیص و طبقه بندی انواع لوسمی با استفاده از معیارهای مورفولوژیک سیتوشیمیائی و ایمونولوژیک در بیمارستانهای تهران
221 samples of leukemic patients were studied, using morphologic, cytochemical staining pattern and immunophenotyping criteria. Patients included 63 children and 158 adults. Out of the adult group, 110 cases had acute leukemia including 67% AML, 330'{' ALL. In this group, 24 case
طبقهبندی سلول های مؤثر در تشخیص سرطان میلوئیدی مزمن به روش نیمه خودکار پردازش تصاویر میکروسکوپی
مقدمه: لوسمی میلوئیدی مزمن (cml یا chronic myeloid leukemia)، نوعی بیماری سرطان خون است که اغلب، بزرگ سالان را درگیر می کند. آزمایش خون، شمارش و بررسی سلول های شناور خون، اولین گام جهت تشخیص لوسمی است. تشخیص و شمارش سلول ها از روی لام خون محیطی، توسط پاتولوژیست با استفاده از میکر
بررسی عملکرد الگوریتم های طبقه بندی کاربری اراضی با استفاده از تکنیک های ادغام تصاویر (مطالعه موردی: زیرحوزه بهشت آباد)
طی چند دهه اخیر، تغییر کاربری اراضی تحت اثر عوامل محیطی و انسانی سبب بروز اثرات جدی بر محیط زیست، اقتصاد و اجتماع شده است، بنابراین داشتن اطلاع از نوع استفاده از اراضی و تغییرات آن در طی زمان از موارد مهم در برنامهریزی و سیاستگذاری در کشور است. یکی از کاربردهای تکنیک تلفیق تصاو
مقایسه کارآیی طبقه بندی کننده های یادگیری ماشین در استخراج محدوده توسعه فیزیکی شهر همدان با استفاده از پردازش شیئ گرای تصاویر ماهواره ای
توسعه فیزیکی مناطق شهری یکی از محرک‌های اصلی تغییرات جهانی است که تأثیرات مستقیم و غیرمستقیم مهمی بر شرایط محیطی و تنوع زیستی دارد. استفاده از تکنیک های سنجش از دور، یکی از رویکردهای جدید در برنامهریزی شهری محسوب می شود. پژوهش حاضر با هدف مقایسه کارآیی طبقه بندی کننده های یادگیر
تشخیص شبکه راه‌ها در مناطق شهری با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بالا و داده‌های لایدار بر اساس طبقه بندی نزدیکترین همسایگی فازی و توصیفگرهای بهینه
تشخیص اتوماتیک شبکه راه‌ها در مناطق متراکم شهری، یکی از چالش های مطرح درگروه‌های تحقیقاتی فتوگرامتری و سنجش از دور می‌باشد که از دلایل عمده این موضوع می‌توان به تنوع خصوصیات طیفی و هندسی راه‌ها و همچنین شباهت طیفی و هندسی پیکسلهای راه با سایر عوارض از جمله ساختمانها، پارکینگها