شماره ركورد كنفرانس :
3723
عنوان مقاله :
روشي موثر جهت آشكارسازي بيماري قلب از روي پردازش تصوير عنبيه
عنوان به زبان ديگر :
An effective way to detect heart disease through iris image processing
پديدآورندگان :
دامچي مزده mozhdeh.damchi440@gmail.com دانشگاه صنعتي نوشيرواني بابل; , ابراهيم زاده عطاالله abrahamzadeh@gmail.com دانشگاه صنعتي نوشيرواني بابل;
كليدواژه :
پردازش عنييه , آشكار سازي عنبيه , يادگيري ماشين , يادگيري نيمه نظارتي
عنوان كنفرانس :
دومين كنفرانس بين المللي در مهندسي برق
چكيده فارسي :
امروزه رشد تكنولوژي اطلاعات زمينه را مناسب مي سازد تا مردم بتوانند اطلاعات و داده هايشان را سريع پردازش نمايند. بنابراين اين عمليات باعث تصميم گيري سريع و درست را فراهم مي سازد لذا پردازش تصاوير يك موضوع مهم در زندگي امروزه براي بسياري از محققان مي باشد البته جايگاه پيدا شده جهت استفاده از الگوريتم هاي پردازش تصوير جهت پردازش تصوير عنبيه بسيار مهم و مفيد خواهد بود هدف اصلي از تحقيق اين است كه روشي كارا بر اساس يادگيري ماشين نيمه نظارتي جهت آشكارسازي هفت نوع بيماري از روي پردازش تصوير عنبيه پيشنهاد شده است كه اين امر از نظر كلينيكي امري ضروري و باعث صرفه جويي در زمان و كمك به شخص خواهد نمود ضمنا جهت افزايش دقت الگوريتم و كاهش خطا الگوريتم آشكارسازي مجهز به الگوريتم يادگيري نيمه نظارتي شده است با توجه به اينكه در اين حوزه نظريه پردازي را سر لوحه ي كار قرار داده ايم لذا در اين ارتباط آزمايش هاي اوليه ي صورت گرفته نشان بر توانايي الگوريتم پيشنهادي خواهد بود كلمات كليدي: پردازش عنييه آشكار سازي عنبيه يادگيري ماشين يادگيري نيمه نظارتي
چكيده لاتين :
Nowadays technology growth makes information relevant to the situation so that people can quickly process their data and data. Therefore this operation provides quick and accurate decision making. Therefore image processing is an important issue in today s life for many researchers. However the position found for using image processing algorithms for processing the iris is very important and It will be useful. The main goal of the research is to suggest that a method based on semiconductor machine learning for detecting seven types of illness is suggested by iris image processing, which is clinically essential to save time and help the person. Meanwhile in order to increase the accuracy of the algorithm and reduce the error the algorithm of detection is equipped. Semi-supervised learning algorithm has been introduced. Considering that in this area the theory has been put into the workplan the initial experiments in this regard will indicate the ability of the proposed algorithm.