%0 Journal Article %T دسته‌بندی تومورهای مغزی براساس تجزیه مولفه‌های اساسی تنک ساختار‌یافته و الگوریتم فاکتورگیری ماتریس غیر‌منفی تنک %J مجله بینایی ماشین و پردازش تصویر %I انجمن بینایی ماشین و پردازش تصویر ایران %Z 2383-1197 %A مودتی, سمیرا %D 2020 %\ 08/22/2020 %V 7 %N 1 %P 77-91 %! دسته‌بندی تومورهای مغزی براساس تجزیه مولفه‌های اساسی تنک ساختار‌یافته و الگوریتم فاکتورگیری ماتریس غیر‌منفی تنک %K طبقه‌بندی تومور مغزی %K ویژگی‌ مبتنی‌بر بافت %K ویژگی‌ آماری %K تجزیه مولفه‌های اساسی تنک ساختار‌یافته %K الگوریتم فاکتورگیری ماتریس غیرمنفی تنک %R %X تعیین نوع تومور مغزی براساس پردازش تصاویر ام‌آرآی در کنار دانش پزشکی می‌تواند به تصمیم‌گیری درستی در مورد وضعیت بیمار منجر شود. در این راستا تشخیص خوش‌خیم یا بدخیم بودن تومور و انتخاب روش درمانی بر این اساس، به دلیل لزوم بررسی دقیق جزئیات بافت تومور و امکان بروز خطا می‌تواند به یک مبحث چالش برانگیز تبدیل شود. در این صورت پرداختن به این مسئله به کمک تکنیک‌های پردازش تصویر می‌تواند اهمیت بسیاری داشته باشد. در این مقاله، تشخیص مناسب نوع تومور به کمک ویژگی‌های بافتی و آماری تصویر و انتخاب بهترین بردار ویژگی صورت می‌گیرد. سپس از الگوریتم تحلیل مولفه‌های اساسی تنک ساختار‌یافته به منظور کاهش بُعد این دسته ویژگی‌ها استفاده می‌شود. در ادامه بردارهای ویژگی حاصل به منظور آموزش مدل‌های جامع بازنمایی‌کننده ساختار داده مربوط به هر نوع تومور مغزی به کمک الگوریتم فاکتورگیری ماتریس غیرمنفی تنک مورد استفاده قرار می‌گیرند. دسته‌بندی داده‌ها در روش پیشنهادی براساس مقدار نرخ انرژی محاسبه شده برای ضرایب تنک صورت می‌گیرد. همچنین نتایج این دسته‌بندی با نتایج حاصل از طبقه‌بندهای مبتنی‌بر شبکه عصبی و ماشین بردار پشتیبان مقایسه گردیده است. نتایج شبیه‌سازی‌ها نشان می‌دهدکه روش پیشنهادی مبتنی‌بر ویژگی‌های ترکیبی آماری/بافتی قادر به دسته‌بندی انواع تومور مغزی با دقت بالا خواهد بود. %U https://jmvip.sinaweb.net/article_95270_10c0d20713b647eb2e3995de3407ccb7.pdf