چکیده مقاله
در تحلیل تصاویر پزشکی، قطعهبندی برای استخراج ویژگی و نمایش ناحیه مطلوب فرآیندی مؤثر و بنیادی است زیرا اثر قابل توجهی روی مراحل بعدی تحلیل تصاویر پزشکی میگذارد برای افزایش دقت قطعهبندی تلاشهای بسیاریتاکنون صورت گرفته است و روشهای مختلفی ارائه گردیده است، اما به دلیل تغییرات زیاد در شکل، وجود مرزهای پیچیده هندسی، شدت نور غیریکنواخت و لبههای ضعیف اشیاء در تصاویر پزشکی، قطعهبندی آنها هنوز فرآیند مشکلیمحسوب میشود و به عنوان یک مسئله کلیدی و چالش برانگیز مطرح است با توجه به پیچیدگی تصویر از لحاظ شکل هندسی، قوت و ضعف لبهها و یکنواختی شدت نور، سطح پردازش قطعهبندی تعیین میشود به این ترتیب برای قطعه بندی کارا در تصاویر پزشکی که عمدت ا دارای شکلهای پیچیده هندسی، لبههای ضعیف و شدت نور یکنواخت هستند میتوان از روشهای خوشهبندی مبتنی بر چگالی استفاده کرد به همین منظور در این مقاله قطعهبندی تصاویر براساس ایده ترکیب الگوریتم جستجوی گرانشی و الگوریتم خوشهبندی مبتنی بر چگالی DBSCAN انجام شد هدف از استفادهالگوریتم جستجوی گرانشی یافتن مقادیر دو پارامتر تعداد همسایهها و شعاع همسایگی در الگوریتم خوشهبندی DBSCAN در تصاویر مختلف بود نتایج استفاده از ترکیب الگوریتمهای جستجوی گرانشی و DBSCAN حاکی از دقت تقریبا 09 درصدی در قطعهبندی تصاویر پزشکی است
کلیدواژهها
نویسندگان
شیوه ارجاع
�رجینی، محرم و رستگارپور، مریم و آزاد، محمد،1394،استفاده از الگوریتم جستجوی مبتنی بر جاذبه در قطعهبندی تصویر با استفاده از الگوریتم خوشهبندی مبتنی بر تراکم،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر