ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Recognition of Brain Tumors Us...>مارك

Recognition of Brain Tumors Using Radon Transform and Gray Level Co-Occurrence Matrix Algorithm

العنوان بلغة أخرى: التعرف على أورام المخ باستخدام تحويل الرادون وخوارزمية مصفوفة التواجد المشترك ذات المستوى الرمادي
المصدر: مجلة المنصور
الناشر: كلية المنصور الجامعة
المؤلف الرئيسي: المريش، محمد هاشم (مؤلف)
المؤلف الرئيسي (الإنجليزية): Almourish, Mohammed Hashem
مؤلفين آخرين: غالب، أبوبكر علي (م. مشارك) , علي، محمد عصام (م. مشارك) , سعيد، وجدان محمد (م. مشارك) , النجيب، عمر عبدالعزيز (م. مشارك) , الخليدي، نشوان أمين عبدالوهاب (م. مشارك)
المجلد/العدد: ع35
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2021
الصفحات: 62 - 77
DOI: 10.36541/0231-000-035-005
ISSN: 1819-6489
رقم MD: 1239208
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink, HumanIndex
مواضيع:
علم الطب | الأطباء | الوقاية والعلاج | أورام المخ | علم الخوارزمية
كلمات المؤلف المفتاحية:
الشبكة العصبية متعددة الطبقات الإدراكية | آلة ناقلات الدعم | وظيفة الأساس الشعاعي للشبكات العصبية | مصفوفة التواجد المشترك ذات الصفوف الرمادية | تحويل الرادون | التصوير بالرنين المغنطيسي | Multilayer Perceptron Neural Network | Radial Basis Function Neural Network | Magnetic Resonance Imaging | Gray Level Co-Occurrence Matrix | Support Vector Machine | Radon Transform
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
LEADER 05576nam a22003137a 4500
001 1988556
024 |3 10.36541/0231-000-035-005 
041 |a eng 
044 |b العراق 
100 |9 619776  |a المريش، محمد هاشم  |e مؤلف  |g Almourish, Mohammed Hashem 
245 |a Recognition of Brain Tumors Using Radon Transform and Gray Level Co-Occurrence Matrix Algorithm 
246 |a التعرف على أورام المخ باستخدام تحويل الرادون وخوارزمية مصفوفة التواجد المشترك ذات المستوى الرمادي 
260 |b كلية المنصور الجامعة  |c 2021 
300 |a 62 - 77 
336 |a بحوث ومقالات  |b Article 
520 |a حظي مجال التعرف على أورام المخ في السنوات الأخيرة باهتمام واسع من قبل الباحثين في هذا المجال بسبب الانتشار السريع للمرض. في هذا البحث، تم التعرف على أورام الدماغ (طبيعية، ورم دبقي، وورم سحائي) من خلال الشبكات المقترحة (آلة المتجهات الداعمة، والشبكة العصبية متعددة الطبقات perceptron والشبكة العصبية للوظيفة الشعاعية). تنقسم مجموعة البيانات إلى جزأين: 450 صورة بالرنين المغناطيسي لمرحلة التدريب و150 صورة لمرحلة الاختبار. تم تطبيق المعالجة المسبقة على الصور المدخلة عن طريق تحويل الصور إلى درجات رمادية وإزالة الضوضاء عليها بواسطة مرشح متوسط بعد ذلك، تم استخراج سمات نسيج صور التصوير بالرنين المغناطيسي باستخدام خوارزمية مصفوفة التواجد المشترك ذات المستوى الرمادي بعد تحويل الرادون. تم تمرير ميزات النسيج المستخرج إلى الشبكات المقترحة لتصنيف الأورام والتعرف عليها. تمت إضافة تقنية استخلاص أورام المخ من صورة الرنين المغناطيسي بواسطة خوارزمية التجزئة وعمليات التشكل على الصور. تم قياس أداء آلة المتجهات الداعمة، والشبكة العصبية متعددة الطبقات perceptron والشبكة العصبية للوظيفة الشعاعية بناء على الحساسية والنوعية والدقة وأفضل النتائج التي تم الحصول عليها بواسطة SVM مع وظيفة النواة التربيعية كانت 98.45 و98.97 و98.71 للحساسية والنوعية، والدقة، على التوالي.  |b The field of recognizing brain tumors in recent years has received wide attention by researchers due to the rapid spread of the disease. In this paper, brain tumors (normal, glioma and meningioma) were recognized by the proposed networks (Support Vector Machine (SVM), Multilayer Perceptron Neural Network (MLPNN) and Radial Basis Function neural network (RBFNN)). The dataset is divided into two parts: 450 MRI images for the training phase and 240 for the testing phase. Pre-processing was applied to the input images by converting the images to grayscale and removing noise on them by median filter. Then, the texture features of MRI images were extracted using Gray Level Co-Occurrence Matrix algorithm after radon transformation. The extracted texture features were passed to the proposed networks for classification and recognition of tumors. The technique of extracting brain tumors from the magnetic resonance image was added by segmentation algorithm and morphology operations on the images. The performance of (SVM, MLPNN and RBFNN) was measured based on sensitivity, specificity, and accuracy and the best results obtained by SVM with a quadratic kernel function were 98.45, 98.97, and 98.71 for sensitivity, specificity, and accuracy, respectively. 
653 |a علم الطب  |a الأطباء  |a الوقاية والعلاج  |a أورام المخ  |a علم الخوارزمية 
692 |a الشبكة العصبية متعددة الطبقات الإدراكية  |a آلة ناقلات الدعم  |a وظيفة الأساس الشعاعي للشبكات العصبية  |a مصفوفة التواجد المشترك ذات الصفوف الرمادية  |a تحويل الرادون  |a التصوير بالرنين المغنطيسي  |b Multilayer Perceptron Neural Network  |b Radial Basis Function Neural Network  |b Magnetic Resonance Imaging  |b Gray Level Co-Occurrence Matrix  |b Support Vector Machine  |b Radon Transform 
700 |9 661946  |a غالب، أبوبكر علي  |e م. مشارك  |g Ghalib, Abobakr Ali  
700 |9 661948  |a علي، محمد عصام  |e م. مشارك  |g Ali, Mohammed Essam 
700 |9 661950  |a سعيد، وجدان محمد  |e م. مشارك  |g Saeed, Wegdan Mohammed 
700 |9 661951  |a النجيب، عمر عبدالعزيز  |e م. مشارك  |g Alnaqeeb, Omar Abdulaziz 
700 |9 661945  |a الخليدي، نشوان أمين عبدالوهاب  |g Al-Khulaidi, Nashwan Ameen Abdulwahab  |e م. مشارك 
773 |4 العلوم الإنسانية ، متعددة التخصصات  |6 Humanities, Multidisciplinary  |c 005  |e Al Mansour Journal  |f Maǧallaẗ al-manṣūr  |l 035  |m ع35  |o 0231  |s مجلة المنصور  |v 000  |x 1819-6489 
856 |u 0231-000-035-005.pdf 
930 |d n  |p y  |q n 
995 |a EcoLink 
995 |a HumanIndex 
999 |c 1239208  |d 1239208 

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.