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) |
| 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: | |
| 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. |
| 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
-
Management of Brain-Stem Tumors
بواسطة: كناني، خالد محمد منشور: (2003) -
Immunohistochemical Expression Of P63 In Meningioma Tumors Among Sudanese Patients
بواسطة: Abd Algader, Khalid Mohamed Ahmed منشور: (2017) -
A Suggested System for Palmprint Recognition Using Curvelet Transform and Co-Occurrence Matrix
بواسطة: صالح، ميعاد محمد منشور: (2021) -
USING GLUTAMATE SENSOR FOR MEASURING NEUROTRANSMITTER LEVELS IN BRAIN CELLS
بواسطة: Al Shakhouri, Haidar T. منشور: (2011) -
BRAIN TUMOR SEGMENTATION USING PCNN
بواسطة: Badr, Amr منشور: (2012)
