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
Authors
Abstract:
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 mammographic images given to multi-layer neural network has achieved the possibility of forming with minimum damage and high degree of compaction in the first layer. Results: The compression process of the mammography images was implemented using images of 128 women aged 46.41±6.55 yrs with BMI 36.78 ±5.5 from three specialized clinics in Sabzevar. The analysis yielded a mean square error (MSE) of 4.24 with the highest difference ratio of 33.46 and compression ratio of 8: 1in the output of the algorithm. The system performance based on the accurate design of the software was acceptable therefore; it demonstrated high efficiency in practice. Conclusion: The diagnosis in the discovery stage is highly consistent with the diagnosis in real based on reliability of software output in the compression and release, and considering the fact of mammographic images are not completely degraded during compression; therefore, this system has the capacity to be implemented achieving mammography images in hospitals and justify its application.
similar resources
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
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...
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 textبهینه سازی سیستم‌های ذخیره سیکلی؛ مبانی و فرمول‌بندی مدل طراحی
سیستمذخیرهسیکلی، سیستمی است ترکیبی، متشکل از دو زیرسیستم آب سطحی و آب زیرزمینی که تأمین نیازهای تعهد شده را با تشکیل یک حلقه تعاملی بینابینی به وجود می‌آورد. جهت مدل سازی این سیستم‌ها لازم است ارتباط هیدرولیکی بین کلیه مؤلفه‌های آن مد نظر قرار گیرد. در این مقاله مبانی و فرمول‌بندی مدل بهینه‌سازی طراحی سیستم ارائه گردیده است. بهینه‌سازی پارامتر گسترده طراحی سیستم ذخیره سیکلی مور...
full textروشی کارآمد جهت ارزیابی اقدامات استتاری در تصاویر ماهواره‌ای
در این مقاله روشی کارآمد، جهت ارزیابی استتار در تصاویر ماهواره‌ای ارائه شده است. روش پیشنهادی از دو بخش اصلی مبتنی بر روش تناظریابی الگو و الگوریتم استخراج عارضه‌ی UR-SIFT (Uniform Robust Scale Invariant Feature Transform) تشکیل شده است. در بخش اول میزان تمایز عارضه‌ی هدف و پس زمینه با استفاده از روش تناظریابی الگو برآورد شده و با بهره‌گیری از یک تابع گوسی به صورت وزن‌دار، یک معیار کمی جهت توصی...
full textبهکارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP
چکیده مقدمه: سرطان پستان بهرغم انتشار گسترده، به کمک تصاویر ماموگرافی و علایم بالینی بیمار قابل شناسایی به موقع و معالجه قطعی است. حذف اختلالهای ناخواسته نظیر نویزها و بهبود کیفیت تصاویر ماموگرافی، در افزایش دقت تشخیص سرطان موثر میباشد. نویزهای ضربه در تصاویر ماموگرافی دیجیتال به گونهای است که در آن اختلاف شدت پیکسل نویزی با پیکسل‌های اطراف زیاد است. وجود علایم و ویژگیهای مختلف این بیماری...
full textMy Resources
Journal title
volume 14 issue 2
pages 9- 21
publication date 2015-08
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023