20 خرداد 1402
دانشگاه مازندران
English
جمال قاسمی
مرتبه علمی:
دانشیار
نشانی:
بابلسر- پردیس دانشگاه مازندران- دانشکده فنی و مهندسی- گروه مهندسی برق
تحصیلات:
دکترای تخصصی / مهندسی برق
تلفن:
01135302902
دانشکده:
دانشکده مهندسی و فناوری
پست الکترونیکی:
j [dot] ghasemi [at] umz [dot] ac [dot] ir
صفحه نخست
تحصیلات
علایق پژوهشی
فعالیتهای پژوهشی
عناوین دروس
صفحه شخصی قدیمی
صفحه شخصی در سامانه علم سنجی
مشخصات پژوهش
عنوان
بهينه سازي الگوريتم BCFCM با GA و PSO براي قطعه بندي ام آر آي مغز
نوع پژوهش
مقاله چاپ شده
کلیدواژهها
ازدحام ذرات، ام آر آی، خوشه بندی فازی، الگوریتم ژنتیک، قطعه بندی تصاویر
مجله
رایانش نرم و فناوری اطلاعات
شناسه DOI
—
پژوهشگران
جمال قاسمی (نفر اول)
،
ایمان ارقند (نفر دوم)
چکیده
قطعه بندی تصاویر پزشکی یکی از پیش پردازش های اولیه لازم در طراحی سیستم های خودکار تشخیص بیماری ها به شمار می رود.تصاویر MRI مغز بدلیل وجود عوامل مخرب مصنوعی در فرایند تصویربرداری از جمله نویز و غیریکنواختی شدت روشنایی، با عدم قطعیت همراه بوده و به همین علت، قطعه بندی این تصاویر همواره از جمله مسایل چالشی به شمار می رود. با توجه به عدم قطعیت مذکور، پژوهشگران روش های فازی را در قطعه بندی MRI مغز بسیار بکار گرفته اند. یکی از روش های قطعه بندی فازی روش BCFCM می باشد که در آن از اطلاعات پیکسل های همسایه نیز برای قطعه بندی استفاده می شود. این روش پارامترهای مختلفی دارد که انتخاب نامناسب آنها به شدت از عملکرد آن می کاهد. در این مقاله یک روش، تحت دو ساختار ارائه شده است که در آن با استفاده از الگوریتم های تکاملی GA,PSO، پارامتر های الگوریتم BCFCM بهینه شده اند. نتایج شبیه سازی بر روی داده های استاندارد BrainWeb و با استفاده از معیار شباهت Dice و Tanimoto، عملکرد مناسب روش پیشنهادی را نشان می دهد.