تشخیص تومور در مغز با استفاده از الگوریتم ژنتیک (2016) TUMOR DETECTION IN BRAIN USING GENETIC ALGORITHM

عنوان انگلیسی مقاله:

TUMOR DETECTION IN BRAIN USING GENETIC ALGORITHM

Abstract

Detection of brain tumour is very common fatality in current scenario of health care society. Image segmentation is used to extract the abnormal tumour portion in brain. Brain tumor is an abnormal mass of tissue in which cells grow and multiply uncontrollably, apparently unregulated by mechanisms that control cells. Several techniques have been developed for detection of tumor in brain. Our main concentration is on the techniques which use image segmentation to detect brain tumor. Tumor classification and segmentation from brain computed tomography image data is an important but time consuming task performed by medical experts.

Keywords: Brain Tumor, GA, Image Segmentation.
 

عنوان فارسی مقاله: تشخیص تومور در مغز با استفاده از الگوریتم ژنتیک

چکیده:

تشخیص تومور مغزی یکی از رایج‌ترین عوامل مرگ‌ومیر در سناریوهای پزشکی جامعة امروزی است. از تقسیم‌بندی تصویر برای استخراج بخش تومور غیرطبیعی در مغز استفاده می‌شود. تومور مغزی، یک تودة غیرطبیعی از بافت‌ها است که در آن سلول‌ها به‌صورتی غیرقابل‌کنترل رشد می‌کنند و چند برابر می‌شوند، ظاهراً غیرقابل‌کنترل توسط مکانیسم‌هایی هستند که سلول‌ها را کنترل می‌کنند. تکنیک‌های متعددی برای تشخیص تومور در مغز توسعه داده‌شده‌اند. تمرکز اصلی ما بر تکنیک‌هایی است که در آن از تقسیم‌بندی تومور برای تشخیص تومور مغزی استفاده می‌شود. طبقه‌بندی تومور و تقسیم‌بندی داده‌های  تصویر پرتونگاری کامپیوتری مغز اهمیت دارد، اما کاری زمان‌بر است که باید توسط کارشناسان پزشکی انجام شود.

کلمات کلیدی : تومور مغزی، GA، تقسیم‌بندی تصویر.

پس از پرداخت آنلاین در پایین همین سایت سریعا فایل رایگان مقاله لاتین و لینک خرید ترجمه کامل مقاله با کیفیتی عالی درفرمتword (قابل ویرایش) به صورت آنلاین برای شما ارسال می گردد.

مقاله همراه با ترجمه، یک الگوریتم ساده و موثر برای مساله ی مکان یابی دو مرحله ای تسهیلات با ظرفیت محدود

عنوان فارسی مقاله:

یک الگوریتم ساده و موثر برای مساله ی مکان یابی دو مرحله ای تسهیلات با ظرفیت محدود

عنوان انگلیسی مقاله:

A simple and effective genetic algorithm for the two-stage capacitated facility location problem

سال: 2014

مربوط به درس: طرح ریزی واحدهای صنعتی

چکیده

این مقاله یک الگوریتم ژنتیک (GA) ساده و موثر برای مساله مکان یابی دو مرحله ای تسهیلات با ظرفیت محدود (TSCFLP) معرفی میکند. مساله مکان یابی دو مرحله ای تسهیلات با ظرفیت محدود (TSCFLP) یک نوع مساله جایابی است که در هزینه حمل و نقل به وجود می آید. در این مساله یک محصول منفرد باید از یک مجموعه دستگاه ها برای پیوستن به تقاضاهای مشتری حمل گردد، که به وسیله گذر از انباری متوسط صورت می گیرد. هدف مینیمم کردن اصولی هزینه های عملیاتی سیستم حمل و نقل دو مرحله ای، و در نتیجه آن برآورد تقاضا و محدودیت های ظرفیت های آن عامل ها می باشد. بدین منظور یک الگوریتم ژنتیک پیشنهاد شده و نتایج محاسبه شده، مقایسه جواب های ابتکاری را با نتایج به دست آمده آن ها به وسیله دو لاگرانژ ابتکاری مدرن پیشنهاد شده در مقاله برای مساله گزارش می دهد.

Abstract

This paper presents a simple and effective Genetic Algorithm (GA) for the two-stage capacitated facility location problem (TSCFLP). The TSCFLP is a typical location problem which arises in freight transportation. In this problem, a single product must be transported from a set of plants to meet customers demands, passing out by intermediate depots. The objective is to minimize the operation costs of the underlying two-stage transportation system thereby satisfying demand and capacity constraints of its agents. For this purpose, a GA is proposed and computational results are reported comparing the heuristic results with those obtained by two state-of-the-art Lagrangian heuristics proposed in the literature for the problem.