تشخیص و طبقه بندی تومور مغزی خوش خیم و بدخیم در MATLAB
در این بخش پروژه تشخیص و طبقه بندی تومور مغزی خوش خیم و بدخیم تصاویر MRI با الگوریتم PCA و SVM در نرم افزار MATLAB به همراه کامنت گذاری کدها و فیلم نحوه اجرا آماده کرده ایم. در این پروژه پردازش تصاویر پزشکی، از الگوریتم تحلیل مولفه اصلی (PCA) برای استخراج ویژگی و الگوریتم ماشین بردار پشتیبان (SVM) برای طبقه بندی همراه با یک سری معیار های ارزیابی استفاده می شود.
طبقه بندی تصاویر پزشکی (MRI)
طبقه بندی تصاویر پزشکی یک تکنیک و الگوی تشخیصی است که تصاویر مختلف را بر مبنای برخی اندازه گیری های متشابه در دسته های مختلف گروه بندی می کند. یکی از کاربردهای مهم دسته بندی، شناسایی نوع تومور در عکس های غیر نرمال تصویرسازی تشدید مغناطیسی (Magnetic Resonance Imaging – MRI) مغزی می باشد. تکنیک های متداول شناسایی تومور بر مبنای مشاهده انسانی است که درصد خطای بالایی دارد. از این رو باعث می شود که ضرورت ایجاد یک سیستم اتوماتیک که می تواند تصاویر غیر عادی مغز را با دقت بالا تخمین بزند حس می شود. بر مبنای این معیار چندین سیستم اتوماتیک برای طبقه بندی تصاویر مغزی گسترش یافته است.
تکنیک CT Scan و MRI
در زمینه تصویر برداری پزشکی، تنوع گسترده ای از تکنیک های تصویر مانند سی تی اسکن (CT Scan) و ام آر آی (MRI) وجود دارد که موثرترین مدل تصویری می باشد که برای خارج کردن تومورهای مغزی به کار می رود. تصویرسازی تشدید مغناطیسی (MRI) یکی از روش های تصویر برداری پزشکی است که اغلب برای تشخیص بافت های نرم مورد استفاده قرار می گیرد که معمولا در سال های اخیر به وسیله این نوع عکس ها و استفاده از کامپیوتر به عنوان یک راه حل، جهت تشخیص و طبقه بندی تومورهای مغزی به طور گسترده استفاده شده است.
هیچ نظری ثبت نشده است