DEM , Discrete Element Method, modeling, simulation, PFC3D

فروشگاه جامع دانشجو

بانک مقالات ISI رشته های مختلف

تحلیل عناصر اصلی در پردازش تصاویر پزشکی

تحلیل عناصر اصلی در پردازش تصاویر پزشکی

 

 

 

 

 

 

 

 

 

 

عنوان انگلیسی: 

Principal component analysis in medical image processing: a study

 

عنوان فارسی: تحلیل عناصر اصلی در پردازش تصاویر پزشکی

تعداد صفحات مقاله اصلی: 22 صفحه

تعداد صفحات ترجمه: 33 صفحه

سال انتشار: 2015

مجله :

   

  1.   J. Image Mining, Vol. 1, No. 1, 2015

 

Abstract:

 Principal component analysis (PCA) is a mathematical procedure which uses sophisticated mathematical principles to transform a number of correlated variables into a smaller number of variables called principal components. In PCA, the information contained in a set of data is stored with reduced dimensions based on the integral projection of the dataset onto a subspace generated by a system of orthogonal axes. The reduced dimensions computational content is selected so that the significant data characteristics  are identified with little information loss. Such a reduction is an advantage in several fields as for image compression, data representation, etc. It can also be widely used for feature extraction, image fusion, image compression, image segmentation, image registration, de-noising, etc. This paper presents a survey of the applications of PCA in the field of medical image processing. In this study, various medical image application-based PCA results are exhibited to prove its efficiency.

 

Keywords:

 principal component analysis; PCA; feature extraction; image compression; image fusion; image segmentation; image registration; image  de-noising

 

چکیده:

تحلیل عناصر اصلی یک روشی ریاضی است که از اصول ریاضی پیشرفته جهت تبدیل تعدادی از متغییر های اصلاح شده درون تعداد کوچکتری از متغییر ها بنام عناصر اصلی استفاده می کنند. در تحلیل عناصر اصلی، اطلاعات موجود،  در مجموعه ای از داده ها با کاهش ابعاد، بر اساس تصویر کامل مجموعه داده، روی فضای فرعی ایجاد شده با یک سیستم از محورهای قائم، ذخیره شده است. مبنای محاسبات کاهش ابعاد انتخاب شد، بطوریکه ، خواص قابل توجه داده ها، با کمترین تلفات اطلاعات، شناسایی شوند. چنین کاهشی یک مزیت، در زمینه های متعددی از جمله فشره سازی تصویر، نمایش اطلاعات و غیره است. همچنین می تواند بطور گسترده ای در استخراج ویژگی ، ترکیب (همجوشی تصویر)، فشرده سازی تصویر ، تقسیم بندی تصویر، ثبت تصویر و حذف نویز و غیره ، استفاده شود. این مقاله به بررسی کاربردهای تحلیل عناصر اصلی  در زمینه پردازش تصویر پزشکی می پردازد.  در این مطالعه، نتایج مختلف تصاویرزشکی بر اساس تحلیل عناصر اصلی ، جهت اثبات کارآمدی آن نمایش داده شده اند.

 

کلمات کلیدی: تحلیل عناصر اصلی، PCA، استخراج ویژگی، فشره سازی تصوی، همجوشی (ترکیب تصویر)، تقسیم بندی تصویر، ثبت تصویر ، حذف نویز تصویر

 

 


اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 13,000 تومان
کدتخفیف:

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
Principal-component-analysis-in-medical-image_337373_2000.zip1.3 MB