بررسی سیستم های خبره برای پشتیبانی از تشخیص در رشته مغز و اعصاب
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 0 |
| فرمت فایل | docx |
| حجم فایل | 142 کیلو بایت |
| تعداد صفحات فایل | 11 |
چکیده
در این مقاله، یک نظرسنجی از سیستم های خبره در مغز و اعصاب ارائه می شود. به خصوص در زمینه بیماری مغز و اعصاب که بصورت ترکیبی از علائم مختلف رخ می دهد. حمایت از کارکنان پزشکی در یافتن تشخیص صحیح و به موقع از یک فرضیه، به منظور بهبود نتیجه بیماران بسیار مطلوب است. ما گوگل اسکولار[1]، مندلی[2] و پاپ مد[3] راجستجو کردیم و سیستم های یافته شده را از لحاظ عملکرد، دقت و کاربرد آنها مورد بررسی قرار دادیم. علاوه بر این ما شکافها و تفاوتها را نمایان ساختیم و این آگاهی ما را در تحقیقات بعدی ممکن می سازد.
واژگان کلیدی: سیتمهای خبره در عصب شناسی، سیستم های پشتیبانی تصمیم در عصب شناسی، AI در عصب شناسی ، بررسی، تجزیه و تحلیل متا.
[1] Google Scholar
[2] Mendeley
[3] PubMed
ترجمه مقاله تشخیص شی در حال حرکت در زمینه پویا
| دسته بندی | پژوهش |
| بازدید ها | 0 |
| فرمت فایل | doc |
| حجم فایل | 1139 کیلو بایت |
| تعداد صفحات فایل | 17 |
ترجمه مقاله تشخیص شی در حال حرکت در زمینه پویا
تشخیص شی در حال حرکت در زمینه پویا - 2014
(17 صفحه متن ترجمه شده به همراه متن اصلی و انگلیسی مقاله )
چکیده :
یک روش جدید تشخیص شی در حال حرکت در زیمنه پویا است که در این مقاله ارائه شده است . در ابتدا ، الگوریتم تطبیقی هریس در این مقاله برای استخراج ویژگی نقاط ،پیشنهاد شده است و پس از آن الگوریتم غربالگری برای توصیف ویژگی نقاط استخراج شده استفاده می شود .تابع شباهت نیز برای مطابقت با ویژگی نقاط ،استفاده می شود و الگوریتم RANSAC برای از بین بردن انطباق های شبیه استفاده شده است . با توجه به این همسان سازی ، ما ماتریس تبدیل تکراری را جهات استفاده برای جبران حرکت درپی زمینه ناشی از حرکت دوربین استفاده می کنیم و پس زمینه پویا را با مدل پس زمینه به روز رسانی می کنیم . در نهایت شی در حال حرکت را می توان با استفاده از روش تفاضل پس زمینه شناسایی نمود . نتایج تجربی نشان می دهد که این روش ، دقت استخراج ویژگی های نقاط و تشخیص حرکت هدف را در پس زمینه پویا با دقت بالایی دارد.
کلمات کلیدی :الگوریتم غربال کردن هریس ، تصحیح حرکت مدلسازی سابقه و هدف ، تشخیص حرکت شی.
1-مقدمه :
تشخیص شی در حال حرکت جهن استخراج ویژگی نقاط در بیناییی کامپیوتر بسیار مهم است . در حال حاظر روش های اصلی جهت تشخیص شی در حال حرکت در پس زینه پویا براساس جریان نوری و جبران حرکتی می باشد . علاوه بر این ، روش هایی مانند تقسیم بندی حرکتی و منطق جنبشی یکپارچه پیشنهاد شده و نوع دیگری از روش بر اساس اختلاف بین ویژگی های نقاط از جشم در حال حرکت و پس زمینه آن است که معمولا این دسته ندی ، دو نوع از نقاط را با الگوریتم مربوط به الگو به رسمیت می شناسد و عیب روش جریان نوری نیاز به محاسبات بزرگ نیاز دارد که الزامات سخت افزاری را می خواهد . جبران حرکت به طور گسترده ای استفاده می شود و همچنین روش های مختلف برای به دست آوردن پارامتر های حرکت مانند الگوریتم های طرح ریزی و الگوریتم ویژگی و الگوریتم بلوک کلاسیک وجود دارد . در این مقاله ما به وطر عمده در ویژگی الگوریتم تمرکز نموده ایم . مساحت و لبه و ویژگی نقطه یا گوشه فضای مورد نظر نیز استفاده می شود . استخراج گوشه از روش الگوریتم موراوک انجام می شود که توسط موراوک پیشنهاد شده است . این ساده بوده و ناشی از تعبیر ناپذیری چرخشی و حساسیت به سر و صدا را ندازد که منجر به استفاده به ندرت از آن می شود .یکی از گونه ها به طور گسترده مورد استفاده در الگوریتم تشخیص هریس است . اگه چه زمان بیشتر در آن صرف محاسبات الگوریتم موراوک می شود ، آن مشکلات سابق را حل می کنند. در حالی که الگوریتم هریس خود ، محدودیت هایی شامل آستانه ثابت و مقیاسی بدون تغییر ناپذیری را دارد . برای مشکل آستانه ثابت ، پیشنهاد برای تنظیم آستانه به مقدار 01/0 زمان بوده که برابر حداکثر گوشه پاسخ می باشد و این مقدار P را بهبود می بخشد . روش آستانه براساس دو متغیر ارائه شده است . روش های بالا تنها با استفاده کامل از حداکثر محل تابع و پیشنهادی به مجموعه آستانه با مقدار K برای میانگین حداکثر تابع پاسخ محلی اقدام نموده ایم که در اینجا K مقدار ثابت است . مقایسه با الگوریتم هریس سنتی نسان می دد که این روش دقت تشخیص بالایی دارد . توزین دقت تشخیص و زمان واقعی با تشخیص گوشه ها الگوریتم آستانه هریس و با استفاده از الگوریتم غربال کردن این گوشه توصیف می شود . هنگامی که با استفاده از تفریق پس زمینه برای استخراج جسم در حال حرکت اقدام می شود ،گام کلیدی به روز رسانی پس زمینه است . روش ما در این مقاله مورد استفاده قرار گرفته و بازده استخراج را بهبود بخشیده است .
Moving Object Detection in Dynamic Background
: Abstract
A new method of detecting moving object in dynamic background is proposed in this paper. At first, an adaptivethreshold Harris algorithm is proposed in this paper to extract feature points, then, SIFT algorithm is used to describe theseextracted feature points. The similarity function is used to match feature points and RANSAC algorithm is used to eliminate thepseudo matches. According to the correct matches, we get the affine transformation matrix which used to compensate the motionof background caused by camera motion, and update the dynamic background with the background model. Finally, the movingobject can be detected by background subtraction method. Experimental results show that the method presented in this paperimproves the accuracy of feature point extraction and detects moving target in dynamic background accurately.Key Words: Harris-SIFT Algorithm, Motion Compensation, Background Modeling, Moving Object Detection
ترجمه مقاله بررسی بیومارکر های جدید برای تشخیص زود هنگام سرطان
| دسته بندی | پژوهش ها |
| بازدید ها | 0 |
| فرمت فایل | docx |
| حجم فایل | 35 کیلو بایت |
| تعداد صفحات فایل | 8 |
نمونه ترجمه
سرطان دومین عامل مرگ و میر در ایالات متحده با توجه به اینکه هر 4 مرگ یکی به خاطر سرطان میباشد(1). انجمن سرطان آمریکا (ACS) در حدود 1665540 مورد جدید سرطان در سال 2014 تشخیص داده، و نزدیک به 1665540 مورد جدید سرطان و 585720 مرگ ناشی از سرطان را در ایالات متحده گزارش نمود. ACS، غربالگری را برای سرطان زنان با ریسک متوسط یا ریسک افزایش یافته به خاطر درمان با استروژن بدون هیچ گونه مخالفتی، درمان تاموکسیفن، یائسگی دیررس، برابری پوچ، ناباروری و یا عدم تخمکگذاری، چاقی، دیابت، یا فشار خون بالا، پیشنهاد نموده است(2). نیمی از افرادی که سرطان آنها دیر تشخیص داده شده، درمان آنها کمتر احتمال موفقیت دارد و شانس نجات آنها کاهش مییابد. به طور کلی، 93٪ از موارد ابتلا به ملانوما (سرطان پوست)، 83 درصد از افرادیی که سرطان پستان و 61 درصد از سرطان پروستات در مرحله یک یا دو تشخیص داده میشود. تنها 23٪ از موارد سرطان ریه، 32٪ از موارد لنفوم غیر هوچکین و 44 درصد از سرطان های تخمدان در مراحل اولیه تشخیص داده میشود. (3) بنابراین تشخیص اولیه برای درمان موفقیتآمیز حیاتی است. در اغلب موارد، نمونهبرداری از بافت ابزار اولیه تشخیص برای غربالگری سرطان نتایج مثبتی به همراه دارد. فنآوری قابل قبول برای تشخیص سرطان در مراحل اولیه مورد نیاز است. آن همواره یکی از مسائل مهم در درمان سرطان است. درمان متداول سرطان شامل مولفههای هستند که سمیت زیاد و غیرتخصصی دارند.(4)
Cancer is the secondmost death case in the United States with accounting for nearly1 of every 4 deaths.(1)The American Cancer Society (ACS)reported about1 665 540 new cancer cases diagnosed in 2014, and nearly 1 665 540 new cancer cases and 585 720 cancer deaths will be in the U.S. The ACSrecommend screeningfor endometrial cancer in women at average risk or atincreased risk because of a history of unopposed estrogentherapy, tamoxifen therapy, late menopause, null parity,infertility or failure to ovulate, obesity, diabetes, or hypertension.(2)Half of people who get cancer are diagnosed late, which makes treatment less likely to succeed and reduces their chances of survival. Overall, 93% of cases of melanoma (skin cancer) were diagnosed at stage one or two, as were 83% of those found to have breast cancer and 61% of prostate cancers.However, only 23% of lung cancer cases were found at an early stage, as were 32% of cases of non-Hodgkin lymphoma and 44% of ovarian cancers.(3) Therefore early detection of cancer is critical for successful cancer therapies. In most cases, a tissue biopsy is the initial means of making a diagnosis after some form of cancer screening has come up with a positive result.the technologies applicable for thedetection of cancer at the initial stages is needed. It has always been one of the most important issues in diagnosis.Current cancer treatment procedures consist of compounds that are non-specific and highly toxic.(4)
تشخیص هویت براساس عنبیه چشم
| دسته بندی | پزشکی |
| بازدید ها | 1 |
| فرمت فایل | doc |
| حجم فایل | 889 کیلو بایت |
| تعداد صفحات فایل | 18 |
تشخیص هویت براساس عنبیه چشم
فهرست مطالب:
1. مقدمه .............................................................. 3
2. چکیده .............................................................. 5
3. معرفی ............................................................. 6
3-1- تکنولوژی بیومتری ....................................... 6
3-2- چگونگی مقایسه ....................................... 6
3-3- شناسایی هویت از روی تصویر عنبیه ............. 8
4. تجزیه ............................................................... 9
4-1- پیش زمینه ................................................ 9
4-2- مژه ها وشناسایی پارازیت ها ...................... 10
5. نرمال سازی .................................................... 12
5-1- مدل گسترده برصفحه داگمن ....................... 12
6. تطبیق و کد کردن .............................................. 14
6-1- فیلترهای گابر ............................................ 14
نتیجه گیری ........................................................... 16
منابع وماخذ .......................................................... 17
مقدمه:
منحصر به فردی اثر انگشت از قرن 16مورد توجه قرار گرفته است.
تشخیص هویت از طریق اثر انگشت به صورت گسترده ای در تکنولوژی بیومتریک قابل استفاده است. به این علت که برر سی اثر انگشت به عنوان یک روش صحیح در تشخیص هویت قدمت زیادی دارد و همچنین در مراکزی که از نظر تکنولوژی پیشرفته نیستند data base های بزرگی از اثر انگشت موجود است و قابل استفاده و پر کاربردمی باشد.این تکنولوژی می تواند به هر 2 طریق یک به یک و n به یک استفاده شود. یعنی هم می تواند یک مدل را با یک مدل دیگر مقایسه کند و هم می تواند یک مدل را با سایر مدل های موجود مقایسه کند.
تطبیق اثر انگشت به صورت الکترونیکی به دو روش انجام می گیرد.
1-روش Minutiea که در این روش ا زمقایسه پایان های مرزبندی شده و دو شاخه روی انگشت استفاده می شود.
2-در روش دیگر از الگوبرداری استفاده می شود به این ترتیب که ابتدا تصویر تقویت شده و خرابی ها و اغتشاشات آن حذف می شوند و سپس به مقایسه و برر سی الگوی اثر انگشت می پردازد.
چکیده :
روش تشخیص هویت با استفاده از تکنیکی که بر مبنای برر سی الگوی عنبیه ی چشم است برای سیستم های کنترل دسترسی که امنیت بالایی نیاز دارند بسیار مناسب است.
هدف این روش تشخیص فوری با اطمینان بالا بوسیله ی تحلیل های ریاضی از نمونه های تصادفی عنبیه چشم است.
عنبیه چشم علاوه بر اینکه منحصر به فرد است یکی از اعضای داخلی چشم است که محافظت شده می باشد و ترکیب و ساختار آن در سراسر طول عمر پایدار و ثابت است.
در این مقاله با قسمت های مختلفی در خدمتتون هستیم:
ابتدا معرفی این تکنولوژی و سپس شرح مختصر گام های مختلف انجام شده برای دستیابی به یک الگوی عنبیه و ساختن یک مقیاس برای
برر سی هویت اشخاص.
یک سیستم بیومتریک به صورت خودکار اشخاص را بر اساس ویژگی های منحصر به فرد و خاص که دارند شناسایی می کند.
برر سی عنبیه چشم به عنوان یک روش شناسایی بومتریک بسیار مناسب هم اکنون قابل استفاده است.
اغلب سیستم های تجاری که از این روش استفاده می کنند بر اساس الگوریتم Daugman عمل می کنند که این الگوریتم این کار را با دقت بالایی انجام می دهد.
در این مقاله هم به برر سی منحصر به فردی عنبیه و هم به برر سی کارایی این تکنولوژی به عنوان یک سیستم بیومتریک می پردازیم.
سیستم برر سی عنبیه یک سیستم جدا سازی است که بر اساس عملگر دیفرانسیل Daugman عنبیه را از مردمک تشخیص می دهد و سایه های تشکیل شده توسط پلک ها و مژه ها و همچنین بازتاب نور را حذف می کند و سپس به برر سی عنبیه می پردازد،بعد اطلاعات را نرمال سازی می کند و در آخر به کمک فیلتر های 2 بعدی اطلاعات استخراج و ملاک بندی می شوند تا یک الگوی منحصر به فرد بسازند.
wordنوع فایل:
سایز: 889 KB
تعداد صفحه: 18