این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۹، شماره ۱، صفحات ۱۱۴-۱۲۳
عنوان فارسی تشخیص تخریب دیسک بین مهره‌ای کمر با استفاده از تصاویر MRI
چکیده فارسی مقاله بیشتر انسان‌ها حداقل یک‌بار در طول زندگی‌ خود درد در ناحیه پایین کمر را احساس نموده‌اند. فتق دیسک بین مهره‌ای کمر یکی از عمده‌ترین علل درد در ناحیه پایین کمر می‌باشد. روش‌های درمان فتق دیسک بین مهره‌ای کمر بسیار متنوع می‌باشند. بنابراین، تشخیص اندازه دقیق فتق و مکان آن می‌تواند به متخصص‌ها در انتخاب بهترین روش درمان بسیار یاری رساند. در این پژوهش یک روش خودکار برای تشخیص بیماری دیسک کمر با استفاده از تصاویر MR ارائه شده است. برای رسیدن به این منظور، از130 تصویر MR استفاده شده است. در روش پیشنهادی با استفاده از سه الگوریتم رشد ناحیه‌ای، آتسو و کانتور فعال دیسک‌های بین مهره‌ای کمر و محدوده آن‌ها به دقت از پس زمینه تصویر جدا شده است. در ادامه پس از استخراج ویژگی‌های شاخص تصویر، نمونه‌ها توسط دسته‌بند SVM با دقت 9/89% به دو دسته سالم و ناسالم تقسیم شدند. دقت کار با سایر دسته‌بندها نظیر KNN، Ensemble و درخت تصمیم مورد مقایسه قرار گرفت. درنهایت مشخص شد، دسته‌بند SVM بالاترین دقت در دسته‌بندی داده‌ها را دارا می‌باشد.
کلیدواژه‌های فارسی مقاله دیسک بین مهره‌ای کمر، MRI، SVM، دسته‌بندی، استخراج ویژگی،
عنوان انگلیسی Detection of Disc Destruction Between Lumbar Vertebrae Using MRI Images
چکیده انگلیسی مقاله Most people experience low back pain at least once in their lifetime. Lumbar disc herniation is one of the major causes of low back pain. Treatment methods for disc herniation are very diverse. Therefore, diagnosis of the exact size of herniation and its location can greatly help specialists to select the best treatment method. In this research, an automated method for diagnosing lumbar disc herniation using 130 MR images is proposed. In the proposed method, using three algorithms, namely region growing, OTSU and active contour, the intervertebral discs and their boundary were precisely separated from the background of the image. In the next step, after extracting the most significant features of the images, they are divided into healthy and unhealthy classes by SVM classifier with 89.9% accuracy. The classification accuracy was compared with classifiers KNN, Ensemble, and decision tree. Finally, it was determined the SVM classifier has the highest accuracy for the classification.
کلیدواژه‌های انگلیسی مقاله دیسک بین مهره‌ای کمر, MRI, SVM, دسته‌بندی, استخراج ویژگی
نویسندگان مقاله علی میرزاخانی |
دانشکده مهندسی برق و کامپیوتر، دانشگاه پارس رضوی، گناباد، ایران

مجتبی محمدپور |
دانشکده مهندسی برق و کامپیوتر، مجتمع آموزش عالی گناباد، گناباد، ایران

نشانی اینترنتی https://scj.kashanu.ac.ir/article_111454_fdb3cab520e0f292965898934a1a7953.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات