نام و نام خانوادگی: محمد مرادی دستجردی
عنوان پایان نامه: بررسی و بهبود روش تشخیص سرطان سینه با استفاده از دسته ویژگی ترکیبی حوزه مکان و فرکانس از تصاویر حرارتی
رشته تحصیلی: مهندسی پزشکی – بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکترسیده شهربانو فلاحیه حمیدپور-دکتر عبدالحسین رضائی

چکیده:
سرطان سینه رایج ترین نوع سرطان در بین زنان است. مطالعات پاتولوژیک نشان داده است که بیش از 80 درصد ناهنجاری های سینه در مراحل اولیه خوش خیم هستند. بنابراین مهم ترین مسأله در درمان سرطان سینه تشخیص زودهنگام آن است. ترموگرافی مادون قرمز سینه یک روش تصویربرداری مبتنی بر ثبت الگوهای توزیع دمایی بافت سینه است و به دلیل غیرتهاجمی و غیرتماسی بودن و عدم استفاده از تابش پرتو يون ساز ، روشی مناسب درتشخیص زودهنگام سلول های سرطانی است. استخراج دسته ویژگی مناسب می تواند سرعت و دقت تشخیص سرطان سینه را افزایش دهد. در این پایان نامه یک روش جدید برای تشخیص زودهنگام سرطان سینه براساس استخراج دسته ویژگی جدید ارائه شده است. دسته ویژگی انتخاب شده شامل 59 ویژگی از الگوریتم الگوی باینری محلی (LBP)، نه ویژگی توسط الگوریتم SFTA و نه ویژگی به صورت انتخابی می باشد. در این روش جدید از الگوریتم های طبقه بندی-کننده ی k نزدیک ترین همسایگی (kNN)، ماشین بردار پشتیبان (SVM) و درخت تصمیم (DTree) برای طبقه بندی تصاویر حرارتی استفاده شده است. در روش پیشنهادی ویژگی های محاسبه شده، در حوزه مکان، فرکانس(با استفاده از الگوریتم کانتورلت) و ترکیب دو حوزه، به الگوریتم طبقه بندی کننده اعمال شده است. روش پیشنهادی تشخیص سرطان سینه در نرم افزار MATLAB 2019 و با استفاده از دو مجموعه تصویر از پایگاه داده DMR و پایگاه داده دانشگاه فدرال فلومینانسFFU برزیل مورد ارزیابی قرار گرفته است. نتایج ارزیابی نشان می دهد که الگوریتم های طبقه بندی کننده kNN و DTree به ترتیب بهترین میانگین صحت و بهترین میانگین حساسیت را در بین الگوریتم های بکار گرفته شده ارائه می-دهند. بیشترین صحت، اختصاصیت و حساسیت بدست آمده در حوزه فرکانس به ترتیب توسط الگوریتم LBP و الگوریتم طبقه بندی SVM، الگوریتم SFTA و الگوریتم طبقه بندیDTree و الگوریتم 9 features و الگوریتم طبقه بندی DTreeمی باشد. بیشترین صحت، اختصاصیت و حساسیت بدست آمده در ترکیب دو حوزه به ترتیب توسط الگوریتم 9 features و طبقه بند DTree، الگوریتم LBP و الگوریتم طبقه بندی DTree و الگوریتم 9 features و الگوریتم طبقه بندی kNN می باشد.

کلیدواژه:سرطان سینه، ترموگرافی، پردازش تصویر، استخراج ویژگی

تاریخ دفاع: زمستان 1399