دسته‌بندی نشده
تشخیص و دسته بندی تومور مغز با استفاده از بهینه سازی ازدحام ذرات و شبکه های عصبی کانولوشن در تصاویر MRI مغز
تشخیص و دسته بندی تومور مغز با استفاده از بهینه سازی ازدحام ذرات و شبکه های عصبی کانولوشن در تصاویر MRI مغز
دسته بندی تومور مغز
مشخصات پروپوزال |
|||
|---|---|---|---|
| عنوان فارسی پروپوزال | تشخیص و دسته بندی تومور مغز با استفاده از بهینه سازی ازدحام ذرات و شبکه های عصبی کانولوشن در تصاویر MRI مغز | ||
| عنوان انگلیسی پروپوزال | Detection and classification of brain tumors using particle swarm optimization and convolutional neural networks in MRI brain images | ||
| تعداد صفحات | ۲۳ | ||
| سال نگارش | ۲۰۲۰ | ||
| رشته | پزشکی و کامپیوتر | ||
| قالب فایل | Word | ||
| مقاله بیس | https://link.springer.com/chapter/10.1007/978-3-030-25797-2_8 | ||
| دانلود پروپوزال | کلیک جهت دانلود پروپوزال | ||
فهرست مطالب پروپوزال تشخیص و دسته بندی تومور مغز با استفاده از بهینه سازی ازدحام ذرات و شبکه های عصبی کانولوشن در تصاویر MRI مغز
- بیان مساله اساسی تحقیق تشخیص فعالیت در خانه هوشمند
- اهمیت و ضرورت انجام تحقیق
- مرور ادبیات و سوابق مربوطه
- جنبه جدید بودن و نوآوری در تحقیق
- اهداف مشخص تحقیق
- سؤالات تحقیق
- فرضیه های تحقیق
- روش شناسی تحقیق
- شرح کامل روش (میدانی، کتابخانهای) و ابزار
- جامعه آماری، روش نمونه گیری و حجم نمونه
- روش‌ها و ابزار تجزیه و تحلیل داده ها
- مراجع
بیان مساله
دسته بندی تومور مغز
همچنین آمارها نشان می دهد که رادیولوژیست ها طی روند تشخیص و غربالگری، ۱۰ تا ۳۰ درصد تومورها را تشخیص نمی دهند. بنابراین، شناسایی خودکار تومورهای مغزی با استفاده از تصاویر MRI یک تحول بزرگ در زمینه تشخیص تومور محسوب می شود. (Khan و همکاران، ۲۰۲۰)
از این رو در این تحقیق، یک روش برای تشخیص خودکار تومورهای مغزی با استفاده از ترکیب شبکه های عصبی کانولوشن و بهینه سازی ازدحام ذرات پیشنهاد می کنیم. بهینه سازی ازدحام ذرات برای تعیین مقدار آستانه مطلوب کمک می کند. جهت حذف نویز و بهبود کیفیت، فیلتر انتشار ناهمسانگرد بر تصاویر MRI اعمال می شود. ویژگی های استخراج شده به عنوان داده هایی برای آموزش شبکه عصبی کانولوشن و انجام دسته بندی ارائه شده است.
برخی از مراجع
۱۰٫ Mohamed, E., & Mahmoud, D. (2019). Brain tumor detection using artificial neural networks. Journal of Engineering and Computer Science (JECS), 13(2), 31-39. ۱۱٫ Özyurt, F., Sert, E., & Avcı, D. (2020). An expert system for brain tumor detection: Fuzzy C-means with super resolution and convolutional neural network with extreme learning machine. Medical hypotheses, 134, 109433. ۱۲٫ Sharif, M., Amin, J., Raza, M., Anjum, M. A., Afzal, H., & Shad, S. A. (2020). Brain tumor detection based on extreme learning. Neural Computing and Applications, 1-13. ۱۳٫ Sharma, M., Purohit, G. N., & Mukherjee, S. (2018). Information retrieves from brain MRI images for tumor detection using hybrid technique K-means and artificial neural network (KMANN). In Networking communication and data knowledge engineering (pp. 145-157). Springer, Singapore.
دانلود پروپوزال در مورد شبکه عصبی دانلود پروپوزال در مورد تشخیص فعالیت با استفاده از شبکه عصبی کانولوشن دانلود پروپوزال تشخیص فعالیت در خانه هوشمند