جلسه دفاع از پایان‌نامه: هدا نعمت، گروه مهندسی پزشکی

خلاصه خبر:

  • عنوان: کلاس‌بندی تومورهای خوش‌خیم و بدخیم در تصاویر اولتراسوند پستان با کمک ویژگی‌های مرز تومور
  • ارائه‌کننده: هدا نعمت
  • استاد راهنما: دکتر علی محلوجی‌فر
  • استاد ناظر خارجی: دکتر حمید بهنام(دانشگاه: علم و صنعت)
  • استاد ناظر داخلی: دکتر بابک محمدزاده اصل
  • استاد مشاور: دکتر نسرین احمدی‌نژاد
  • مکان: دانشکده مهندسی برق و کامپیوتر، اتاق شورا (701)
  • تاریخ: 1394/11/20
  • ساعت: 16-18

چکیده
سرطان پستان، دومین عامل مرگ‌ومیر زنان در جهان محسوب می‌شود و به دلیل ناشناخته بودن علت این بیماری، تنها روش کنترل آن شناسایی و تشخیص زودهنگام است. مهمترین روش تشخیص این بیماری، نمونه‌برداری از بافت مشکوک و انجام آزمایش‌های آسیب‌شناسی است. از آنجا که انجام این روش تهاجمی بوده و در اکثر موارد غیرضروری می‌باشد، به همین جهت محققان در تلاشند تا با ارائه‌ی سیستم‌های تشخیصی کمک-رایانه‌ای با قابلیت اطمینان بالا، تعداد نمونه‌برداری‌های غیرضروری را کاهش دهند. این سیستم‌ها از چهار بخش پیش‌پردازش، ناحیه‌بندی، استخراج و انتخاب ویژگی، و کلاس‌بندی تشکیل می‌شوند و ابزاری سودمند برای تشخیص سرطان پستان هستند. در این پژوهش به منظور طبقه‌بندی توده‌های پستان به دو گروه خوش‌خیم و بدخیم، یک سیستم تشخیصی جدید ارائه شده است که پس از پیش‌پردازش تصاویر، به ناحیه‌بندی آنها و تعیین مرز توده می‌پردازد. در مرحله‌ی بعد 885 ویژگی شامل 27 ویژگی مورفولوژی مبتنی بر شکل، 810 ویژگی مورفولوژی مبتنی بر مرز و همچنین 48 ویژگی بافتی مبتنی بر مورفولوژی از هر تصویر استخراج می‌گردد و ضمن مقایسه‌ی قدرت تمایزدهی دسته‌های مختلف ویژگی، با استفاده از کلاسبند رگرسیون لجستیک تنک به حذف ویژگی‌های نامرتبط و کلاس‌بندی تصاویر می‌پردازد. پایگاه داده‌ی مورد استفاده در این پژوهش شامل 104 تصویر سونوگرافی از توده‌های پستان (72 تصویر از توده‌های خوش‌خیم و 32 تصویر از توده‌های بدخیم) است. الگوریتم پیشنهادی در نهایت با انتخاب پنج ویژگی از میان تمام ویژگی‌های مورد بررسی، قادر به تشخیص نوع توده با صحت %04/99، حساسیت %100 و دقت %61/98 می‌باشد.
کلمات کلیدی


14 بهمن 1394 / تعداد نمایش : 3743