نویسنده : حسین خانزاده

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي كامپيوتر- نرم افزار

استاد راهنما (عضو هیات علمی مرکز) :پیمان بیات, ,

چكيده : با پیشرفت سریع فناوری¬های تصویربرداری مدرن پزشکی،طبقه¬بندی تصاویر پزشکی امری بسیار مهم در تشخیص پزشکی و فعالیت¬های بالینی محسوب می¬گردد. الگوریتم¬های متعارف طبقه¬بندی تصاویر پزشکی معمولاً مسئله شکاف معنادار میان ویژگی¬های سطح پائین و معناهای سطح بالای تصویر را نادیده می¬گیرند، که این امر سبب می¬گردد عملکرد طبقه¬بندی کاهش یابد. برای حل این مسئله یک الگوریتم طبقه¬بندی تصاویر پزشکی مبتنی بر کدگذاری خلوت چند مقیاسی نامنفی ارائه شده است. ابتدا تصاویر پزشکی به لایه¬هایی با چندین مقیاس تجزیه می¬شوند، بنابراین جزئیات بصری متنوعی را می¬توان از لایه-هایی با مقیاس¬های مختلف دریافت نمود. در مرحله دوم، برای هر لایه، یک مدل کدگذاری خلوت نامنفی با تحلیل تمایز فیشر برای بدست آوردن نمایش¬های خلوت تصاویر پزشکی ساخته می¬شود. سپس ویژگی¬های کدگذاری خلوت نامنفی چند مقیاسی حاصل با یکدیگر ترکیب گشته تا یک هیستوگرام ویژگی چند مقیاسی را به عنوان نمایش نهایی یک تصویر پزشکی شکل دهد. در نهایت طبقه¬بند عصبی – فازی برای ایجاد طبقه¬بندی تصاویر پزشکی به کار گرفته می¬شود. نتایج تجربی حاصل نشان می¬دهد که رویکرد پیشنهادی می¬تواند به طور موثر اطلاعات چند بعدی و فضایی تصاویر پزشکی را مورد استفاده قرار دهد و شکاف معنایی به نسبت بالایی کاهش می¬یابد و عملکرد طبقه¬بندی تصاویر پزشکی بهبود می¬یابد.

تاريخ دفاع : 1396-11-28