(138 امتیاز از 28 رای)
Loading...پروژه طبقه بندی تومور مغزی با شبكه عصبی در MATLAB
در این پست پروژه طبقه بندی تومور مغزی با شبكه عصبی SOM با متلب را آماده کرده ایم که در ادامه به شرح روش کار این پروژه پردازش تصویر پرداخته و فیلم و تصاویری از خروجی آن را قرار داده ایم.
در اين پروژه طبقه بندی تومور مغزی با شبكه عصبی SOM ، طبقه بندی تصویر تومور مغزی به منظور تشخیص و نمايش آن از روی تصویر به کمک شبكه عصبی SOM يا خود سازمانده انجام می شود. عملکرد پروژه حاضر، همانند روش MRI مغزی و تصویر برداری از مغز می باشد.
توضیحات بیشتر، فیلم و تصاویر از خروجی پروژه طبقه بندی تومور مغزی با شبكه عصبی SOM با متلب در ادامه مطلب.
تصویر خروجی 1:
این تصویر محیط برنامه را پس از اجرا نشان میدهد. با کلیک دكمه input image تصویری كه در كنار فايل های پروژه قرار می دهیم را در برنامه بارگذاری می کنیم. (حتما باید نام آن در محیط برنامه مشخص شود، به طور پیش فرض Tumor.jpg است)
تصویر خروجی 2:
در اینجا با کلید دكمه SOM map در قسمت هایی از تصویر، تاثير شبكه عصبی SOM را روی تصویر تومور مغزی مشاهده می کنیم.
تصویر خروجی 3:
در این مرحله با کلیک دكمه Tumor Cluster در صورتی که توموری مشخص در تصویر مرحله اول وجود داشته باشد كه به وسیله مرحله دوم (شبكه SOM) تشخیص داده شود، طبقه بندی صورت گرفته و تومور نمايش داده می شود. (تصویر خروجی 4)
تصویر خروجی 4:
قسمتی از کدهای پروژه طبقه بندی تومور مغزی با شبكه عصبی SOM :
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 | function varargout = som(varargin) % SOM Application M-file for som.fig % FIG = SOM launch som GUI. % SOM('callback_name', ...) invoke the named callback. if nargin == 0 % LAUNCH GUI fig = openfig(mfilename,'reuse'); % Use system color scheme for figure: set(fig,'Color',get(0,'defaultUicontrolBackgroundColor')); % Generate a structure of handles to pass to callbacks, and store it. handles = guihandles(fig); guidata(fig, handles); if nargout > 0 varargout{1} = fig; end elseif ischar(varargin{1}) % INVOKE NAMED SUBFUNCTION OR CALLBACK try [varargout{1:nargout}] = feval(varargin{:}); % FEVAL switchyard catch disp(lasterr); end end % -------------------------------------------------------------------- function varargout = pushbutton2_Callback(h, eventdata, handles, varargin) fname=get(handles.edit1,'string') im=imread(fname); im=im2double(im); axes(handles.axes1); set(handles.axes1,'HandleVisibility','on','Visible','on','Units','pixels'); imshow (im); set(handles.axes1,'HandleVisibility','callback'); disp('pushbutton2 Callback implemented.') |
هزینه های پروژهاتون واسه خرید خیلی مناسبه ممنون از سایت خوبتون .
سلام برای این پروژه پایان نامه هم می نویسید من یه پایان نامه لازم داشتم از این عنوان پروژتون خیلی خوشم اومده .
فقط قسمت شبیه سازی اونو می تونیم براتون انجام بدیم در صورت نیاز با ایمیل در ارتباط باشید.
سلام تو این پروژه از الگوریتم ژنتیک هم استفاده شده یا خیر ؟
خیر فقط با شبکه عصبی خودسازمانده یا SOM است.
با سلام فایل داکیومنت و توضیح کد هم داخل پروژه هست؟ یا فقط کد متلب؟
فقط فایل متلب و تصویر برای تست برنامه داره. توضیحات فقط برای نحوه کارکرد برنامه داره که در سایت نوشته شده.