بستن فتوگرامتری برد و نقشه های خود سازماندهی برای بیماری تشخیص خودکار

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

بستن فتوگرامتری برد و نقشه های خود سازماندهی برای بیماری تشخیص خودکار

عنوان لاتین

Close range photogrammetry and self-organizing map for automatic diagnosing diseases

خروجی فتوگرامتری محدوده نزدیک، یک مجموعه محدود از نقاط 3بعدی است که باعث ایجاد یک فضای گسسته می شود. مجموعه داده ها یک ابرنقطه با توپولوژی و ساختار تعریف نشده است. برای تشخیص بیماری به صورت دقیق با استفاده از فتوگرامتری محدوده نزدیک، مخصوصا به شیوه ای هدفمند، لازم است که یک سطح ثابت و توپولوژی قابل تعریف از نقاط اندازه گیری بازسازی و پارامترسازی شود. روش های سنتی برای بازسازی سطح از قبیل تعبیه و استفاده از توابع تقریبی، اطلاعات توپولوژیکی و جزئیات مورد نیاز برای تجزیه و تحلیل شکل و تشخیص بیماری را فراهم نمی کند. با توجه به توانایی های SOM برای بازسازی فضای نقاط اندازه گیری شده به عنوان یک سطح کاملا ساختار یافته و سطح با توپولوژی قابل تعریف، در این تحقیق، یک سیستم پزشکی طراحی شده و با ادغام SOM و فتوگرامتری محدوده نزدیک، طراحی و اجرا شده است. نتایج تحقیق نشان می دهد که SOM یک ابزار موثر برای شناخت الگوی نقاط اندازه گیری شده و ایجاد یک سطح مرجع در اطراف مناطق آسیب دیده است. بنابراین، فتوگرامتری محدوده نزدیک و SOM می تواند برای ایجاد سیستم های یکپارچه به عنوان دو تکنیک مکمل برای تشخیص بیماری هایی که علائم آنها قابل مشاهده است و یا به عنوان تغییر شکل در خارج از بدن و در اطراف منطقه آسیب دیده ظاهر می شود، بکار رود.

The output of close range photogrammetry is a finite set of 3D points which causes generating a discrete space. The dataset is a point cloud with no defined topology and structure. For diagnosing disease precisely using close range photogrammetry, specifically in an intelligent manner, it is necessary to reconstruct and parameterize a continuous and topology-definable surface from the measured points. Traditional methods for surface reconstruction such as interpolation and using approximation functions do not provide topological information and required details for shape analysis and disease diagnosis. According to SOM abilities for reconstruction of the space of measured points as a fully structured and topology-definable surface, in this research, a medical system has been designed and implemented by integration of SOM and close range photogrammetry. The research result shows that SOM is an effective tool for recognizing the pattern of measured points and generating a reference surface around affected areas. So, close range photogrammetry and SOM can be used to develop integrated systems as two complementary techniques for diagnosing diseases whose symptoms are visible or appear as deformations out of body and around the affected area.