دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری A developmental model of visual images for the classification of skin injuries مدل جدیدی مبتنی برمعنای تصاویر بصری برای طبقه بندی جراحات پوستی 10.22051/jera.2021.31891.2698 FA معصومه استاد دانشگاه ملی مهارت دختران یاسوج The purpose of this research is to create a model based on the meaning of visual images for the classification of skin injuries. Melanoma is a type of cancer that has a high mortality rate. If diagnosed early, it is possible to treat and recover. Therefore, a system is needed to automatically classify skin lesions. In this research, the system consists of two steps: (1) BOW extracts the low-level features of color, shape, and texture from the lesion in the dermatoscope photos using a combination of two descriptors, SIFT and SURF, and using a vector machine classifier. Backup processes. (2) The ABCD rule in dermoscopy combines high-level features of visual images with low-level features for qualitative semantic analysis of image words. The model automatically classifies images into benign and malignant types with 83% accuracy. هدف از این پژوهش مدل جدیدی مبتنی برمعنای تصاویر بصری برای طبقه بندی جراحات پوستی می باشد . ملانوما نوعی سرطان است که آمار مرگ و میر بالایی دارد. در صورت تشخیص زود هنگام آن امکان درمان و بهبودی وجود دارد. بنابراین سیستمی نیاز است تا با استفاده از آن بتوان به صورت خودکار ضایعه ها ی پوستی را طبقه بندی کرد. در این تحقیق سیستم شامل دو مرحله است: (1) BOW، ویژگی های سطح پایین از قبیل رنگ، شکل، بافت را از ضایعه ی موجود در عکس های درماتوسکوپ با استفاده از ترکیب دو توصیفگرSIFT و SURF استخراج می کند و با کلاسیفایر ماشین بردار پشتیبان پردازش می کند. (2) قانون ABCD در درموسکوپی به عنوان ویژگی های سطح بالای تصاویر بصری برای آنالیز معنایی کیف کلمات تصویر با ویژگی های به دست آمده سطح پایین ترکیب می شود. مدل به صورت اتوماتیک تصاویر را با دقت 83% به دو نوع خوش خیم و بدخیم طبقه بندی می کند. /downloadfilepdf/1854287