چکیده: (7747 مشاهده)
شناخت تصویری و ردهبندی اشیاء طبق تصویرها، به ویژه در پزشکی بیشتر طرف توجه است. شیوه ردهبندی ریاضی این امکان را فراهم میسازد که نه تنها ارزش کلی دادهها را
به تنهایی ارزیابی کنیم بلکه اطمینان میدهد که هر تصویر به طرز مشابهی فرآوری شود. در این بررسی به جای جستجوی سنجهای بهینه، توان روش تحلیل شکل را همراه با
شبکههای عصبی برای کاهش نوفه سفید به قصد پشتیبانی کاربر در ارزیابی lr{MRI}ی غده کلیوی مطرح میکنیم. درمان غدههای کلیوی بر اساس درمانی است که قراردادهای بررسی
انجمن سرطان شناسی و خون شناسی (lr{SIOP}) اروپا را بهینه سازد. شایعترین غده سرطان کلیه است. دیگر تودههای غدهای در فضای پشت صفاق سرطان یاختههای شفاف، سرطان یاختههای
کلیوی، و غدههای برون کلیوی به ویژه سرطانهای برون جمجمهای اند. تشخیص پرتو شناسیک به کمک روشهای تصویر برداری مقطعی (غده نگاری رایانهای lr{CT} یا تصویرهای با
تشدید مغناطیسی lr{MRI}) صورت میگیرد. پژوهش ما نخستین رویکرد به غدههای پشت صفاقی است ($n=108$). از lr{MRI}های سه صفحهای استفاده کرده و از امکانهای بالقوه آنها برای جداسازی
انواع دیگر غدهها به وسیله تحلیل آماری شکل بهره میگیریم. تحلیل آماری شکل روششناسی یی برای تحلیل شکلها با وجود ویژگی تصادفی است. این روش امکان میدهد که اشیای
دوبعدی و چندبعدی را طبق نقطههای کلیدی به نام نشانههای مهم با امکان تصحیح اندازه و موقعیت شیئی خلاصه کنیم. برای درک یک شکل بدون اطلاعاتی درباره موقعیت و اندازه،
از شیوههای مرکز دیدن و استاندارد دیدن در نوعی فضای متریک استفاده میکنیم. این رویکرد یک روششناسی عینی را برای ردهبندی فراهم میسازد درصورتیکه حتی همین امروز
در بسیاری از کاربردها، تصمیمگیری برای ردهبندی بر طبق ظاهر اشیاء روشی حداکثر شهودی است.
نقطههای کلیدی یا علایم مهم سهبعدی غدههای پشت صفاقی دوران کودکی را با استفاده از یالهای چندوجهی منظم (lr{C60}) تعیین میکنیم و تفاوت بین گروهها (سرطانهای کلیوی
در برابر سرطانهای غیرکلیوی) را آزمون میکنیم.
دریافت: 1391/7/20 | پذیرش: 1394/6/21 | انتشار: 1391/8/25