طراحی روشی کارآمد در فشرده سازی چند مرحله ای تصاویر ماموگرافی جهت ذخیره سازی و انتقال بهینه بر مبنای شبکه های عصبی مصنوعی و الگوریتم l-m
Authors
abstract
زمینه و هدف: در فرایند پزشکی از راه دور (telemedicine)، استفاده از تکنیکهای دیجیتالی در تشخیص بیماریها سبب شده تا پزشکان جهت آرشیو و نگهداری اطلاعات بیماران به منابع ذخیرهسازی و نیز پهنای باند بالا در انتقال دادهها نیاز پیدا کنند. مواد و روشها:هدف از ارائه این مقاله، معرفی یک شیوه کارآمد در فشردهسازی چند مرحلهای اطلاعات مربوط به تصاویر ماموگرافی بر اساس شبکههای عصبی مصنوعی و الگوریتم l-m بود. در ابتدا تصویر ماموگرافی با ورود به شبکه عصبی، این امکان را خواهد داشت که با کمترین میزان تخریب و درجه فشردگی بالا در لایه نخست فشرده شود. نتایج:پیاده سازی مراحل فشردهسازی تصاویر ماموگرافی با استفاده از تصاویر 128 زن با سنین 55/6±41/46 سال و شاخص توده بدنی 5/5±78/36 از سطح 3 کلینیک تخصصی از شهر سبزوار صورت گرفت . مشاهده شد که به ترتیب متوسط مجذورات خطا برابر (mse) 24/4، بیشترین نسبت تفاوت برابر 46/33 و نسبت فشرده سازی 8:1 در خروجی الگوریتم حاصل آمدند؛ عملکرد قابل قبول سیستم بر اساس طراحی دقیق نرم افزاری بوده و به همین دلیل کارایی مناسبی را در عمل به همراه داشت. نتیجهگیری: بر مبنای قابلیت اطمینان به خروجی نرم افزار در فشردهسازی و انتشار و به دلیل عدم تخریب اطلاعات اساسی تصاویر ماموگرافی در زمان فشرده شدن، تشخیص در مرحله اکتشاف با تشخیص در واقعیت مطابقت بالایی دارد و از این رو سیستم امکان پیادهسازی را در مراکز بیمارستانی در آرشیو تصاویر ماموگرافی داراست و کاربرد آن را توجیه میکند.
similar resources
طراحی روشی کارآمد در فشرده سازی چند مرحلهای تصاویر ماموگرافی جهت ذخیره سازی و انتقال بهینه بر مبنای شبکههای عصبی مصنوعی و الگوریتم L-M
Background: In the telemedicine process, using digital techniques in disease diagnosis caused to have felt needs of archiving and storing patient information and high bandwidth in data transfer. Methods: This study aimed at introducing an efficient way of multi-stage compression of mammographic image data based LM algorithm and artificial neural networks. At First, data derived from mamm...
full textطراحی و شبیه سازی یک الگوریتم مسیریابی در شبکه های سیّار اقتضایی مبتنی بر شبکه های عصبی مصنوعی
چکیده یکی از انواع شبکههای بی سیم که در سالهای اخیر بسیار مورد توجه قرار گرفته اند، شبکههای اقتضایی سیّار است که از تعدادی گره متحرک تشکیل شده است. متغیّر بودن موقعیت نسبی گرههای تشکیل دهنده، نیاز به الگوریتم مسیریابی چابکی دارد که بتواند تحّرک گرهها را مدیریت نموده و بستههای انتقال یافته را به طرز صحیحی به مقصد برساند به طوری که هیچ یک از دو طرف ارتباط از وجود تحّرک در گرههای شبکه مطلع نشوند. ای...
full textبهینه سازی مشخصات ابعادی در اتصال مواد مرکب چند لایه به کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک
در این مقاله حالات و بارهای گسیختگی برای اتصالات چندپینی در ورق مواد مرکب الیاف شیشهای اپوکسی تک جهته، با استفاده از روش اجزای محدود و آزمونهای تجربی تحلیل میشوند. به علاوه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک، الگویی معرفی میشود که در آن پین‌ها در موقعیت بهینه‌شده‌ای قرار گیرند. در اتصالات چند پینی، تغییرات گام نسبت به قطر پین، عرض ورق نسبت به قطر پین و نسبت فاصله از لبه ورق به...
full textتولید سیگنال مصنوعی زلزله به کمک مدلی جدید در فشرده سازی و آموزش شبکه های عصبی مصنوعی
با توجه به استفاده روز افزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه پاسخ سیستم‌ها، تولید شتابنگاشت‌های مصنوعی مناسب، به علت کمبود رکوردهای ثبت شده زلزله و همچنین محدودیت و اشکالات موجود در آنها، امروزه امری ضروری به نظر می‌رسد. در این مقاله، یک روش جدید برای تولید سیگنال مصنوعی سازگار با طیف پاسخ با استفاده از شبکههای عصبی MLFF، آنالیز ویولت و آنالیز MFCC ارائه میشود. در این روش از ضرائ...
full textMy Resources
Save resource for easier access later
Journal title:
بیمارستانجلد ۱۴، شماره ۲، صفحات ۹-۲۱
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023