دانلود ترجمه مقاله کاربرد الگوهای دوتایی موضعی در شناسایی تومور مغز در تصاویر MRI – الزویر ۲۰۱۶

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” کاربرد الگوهای دوتایی موضعی در شناسایی تومور مغز در تصاویر MRI ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۶
تعداد صفحات مقاله انگلیسی	۲۳ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	پزشکی
گرایش های مرتبط با این مقاله	آسیب شناسی، مغز و اعصاب و مهندسی بافت
مجله	محاسبات عصبی – Neurocomputing
دانشگاه	دانشکده برق و کامپیوتر دانشگاه شیراز، ایران
کلمات کلیدی	پردازش تصویر پزشکی، تشخیص تومور، الگوهای دوتایی موضعی، هیستوگرام گرادیان چرخشی، تصاویر MRI
شناسه شاپا یا ISSN	ISSN ۲۰۱۶٫۰۹٫۰۵۱
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده
۱- مقدمه
۲- مواد و روش ها
۲-۱- پیش پردازش
۲-۲- خوشه بندی
۲-۳- استخراج ویژگی
۲-۴- طبقه بندی
۳- نتایج
۴- بحث
۵- نتیجه گیری

• بخشی از ترجمه:

۵- نتیجه گیری
ما در این مقاله یک چارچوب را برای قطعه بندی تصاویر MRI توموری پیشنهاد کردیم. در اولین گام، از تصحیح میدان تأثیر برای افزایش کنتراست تصویر ورودی استفاده شد. سپس برازش هیستوگرام به کار رفت. در مرحله دوم، به منظور کاهش پیچیدگی زمانی و مکانی به ویژه در مرحله استخراج ویژگی، از الگوریتم آستانه گذاری اتسوی چندسطحی استفاده شد. با توجه به تعداد کثیر داده ها در تصویربرداری سه بعدی، استفاده از الگوریتم اتسوی چندسطحی حجم داده ها را کاهش میدهد. این تصاویر نامتعادل هستند و لذا اعمال این الگوریتم خوشه بندی، انتخاب توزیع متعادل تری از داده های فراگیری را به دنبال دارد.
در مرحله سوم یعنی مرحله استخراج ویژگی، الگوهای دوتایی موضعی (LBP-TOP) در سه صفحه متعامد و هیستوگرام توسعه یافته از گرادیان های چرخشی برای تصاویر سه بعدی به کار گرفته شدند. علاوه بر سادگی، برخورداری از قابلیت بزرگ تمایز در تصاویر بافت از مزایای این ویژگی هاست.

• بخشی از مقاله انگلیسی:

۵٫ Conclusion and Future Work

In this paper we proposed a framework to segment tumorous MRI images. In the first step bias field correction is used to increase the contrast of the input image. Then histogram matching is used. In the second step, in order to reduce the time and space complexity especially in the feature extraction phase of the algorithm, the multi-level Otsu thresholding algorithm is used. Given to the large number of data in 3D imaging, using multi-level Otsu algorithm reduces the volume of the data. These images are imbalanced; applying this clustering algorithm selects more balanced distribution of data for training. The third step, the feature extraction step, the local binary patterns (LBP-TOP) in three orthogonal planes and extended histogram of orientation gradients for 3D images (HOG-TOP) are used. The advantage of these features besides their simplicity is that they have a great discrimination capability for tissue images.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله