ارسال شده توسط:Papersimتاریخ ارسال: 2016/06/28در پیاده سازی مقالهدیدگاهها برای طبقه بندی تصاویر MRI مغز مبتنی بر سری های واریانسی GARCH بسته هستند
هدف ما ، طبقه بندی تصاویر MRI مغز مبتنی بر سری های واریانسی GARCH
در این مقاله یک الگوریتم برای تشخیص نوع بیماری در تصاویر MRI ارائه شده است. الگوریتم پیشنهاد شده، تصویر MRI را به صورت نرمال یا یکی از هفت بیماری از پیش تعیین شده طبقه بندی میکند. در ابتدا دو مرحله تبدیل موجک زمان گسسته از تصویر گرفته میشود، سپس زیرباندهای فرکانس بالا توسط مدل GARCH مدل میشود و ضرایب مدل به عنوان ویژگی در نظر گرفته میشوند.
بعد از نرمالیزه کردن ویژگی ها، با استفاه از PCA و LDA تعداد ویژگیها کاهش پیدا میکند و در نهایت با استفاده از KNN و SVM طبقه بندی انجام میشود.
الگوریتم:
این روش در حالت کلی از مراحل زیر تشکیل شده است:
۱- گرفتن تصویر MRI
۲- محاسبه تبدیل موجک گسسته دو بعدی تا دو مرحله
۳- محاسبه پارامترهای قارچ برای زیرباندهای جزییات یا فرکانس بالا
۴- نرمالیزه کردن ویژگیها
۵- کاهش تعداد ویژگی ها با استفاده از PCA و LDA
۶- طبقه بندی تصویر ورودی با استفاده از طبقه بندهای KNN و SVM
برای کاهش ویژگی از دو روش پرکاربرد PCA و LDA استفاده میشود. در ابتدا PCA اعمال میشود تا همبستگی خطی بین ویژگی ها را از بین ببرد و سپس LDA اعمال میشود تا جداپذیری بین ویژگی ها را زیاد کند.
برای طبقه بندی با استفاده از SVM از کرنل گوسی استفاده شده است. این کرنل دو پارامتر C و g را دارد که عملکرد SVM به مقدار آنها وابسته است.