نام و نام خانوادگی:فاطمه فلاح پور سیچانی
عنوان پایان نامه: بهبود دقت شناسایی ریزدانه های کلسیم در سرطان سینه مبتنی بر الگوریتم بیشینه انحنا، عملگرهای ریخت شناسی و شبکه های عصبی کانولوشنی
رشته تحصیلی:مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر حمیدپور
چکیده:
شناسایی ریزدانه‌های کلسیم در ارائه اقدامات شناسایی زودهنگام سرطان سینه دارای اهمیت قابل توجهی است. برای شناسایی این ریزدانه ها از تصاویر ماموگرافی استفاده می شود. شناسایی ریزدانه‌های کلسیم در تصاویر ماموگرافی با چالش هایی همچون اثر حجم جزئی، مشابهت بافت ریزدانه با بافت‌های غیر ریزدانه مشابه، شکل، ابعاد و موقعیت ریزدانه کاملا تصادفی روبرو است. برای تشخیص ریزدانه ها از روش های دستی استفاده می شود. زمان تشخیص، هزینه و خطای بالا این روش ها سبب شده است که روش های مبتنی بر پردازش تصویر مورد توجه قرار گیرد. روش های یادگیری عمیق در سال های اخیر در پردازش تصاویر پزشکی قابلیت های زیادی از خود نشان داده است. در این پایان‌نامه یک روش جدید مبتنی بر الگوریتم بیشینه انحنا و عملگرهای ریخت شناسی و شبکه های عصبی کانولوشن در تصاویر ماموگرافی پیشنهادشده است. تصاویر ماموگرافی معمولاً دارای کیفیت پایینی هستند، به همین دلیل از فرآیند پیش پردازش برای بهبود کیفیت تصویر استفاده‌شده است. دقت و حساسیت ناحیه مطلوب شناسایی‌شده با ناحیه ای که توسط پزشک استخراج شده، مقایسه گردید. در ادامه به کمک شبکه عصبی کانولوشنی طراحی شده 15 لایه، ناحیه دارای ریزدانه قطعه بندی می شود. به منظور بهبود نواحی قطعه-بندی شده از الگوریتم بیشینه انحنا و عملگرهای ریخت شناسی استفاده شده است. پس از قطعه بندی، این نواحی به دودسته خوش خیم و بدخیم طبقه بندی شده است. معیارهای دقت شناسایی، حساسیت و نرخ اخباری مثبت و منفی برای ارزیابی دقت تشخیص خوش‌خیم و بدخیم بودن ریزدانه به کار گرفته شد. دقت شناسایی 50/97%، حساسیت 13/98%، نرخ اخباری مثبت 30/98% و منفی 32/96 درصد در مقایسه با سایر روش‌ها، حاکی از برتری روش پیشنهادی است.
کلیدواژه: ریزدانه کلسیم، سرطان سینه، تصاویر ماموگرافی، طبقه‌بندی، استخراج ویژگی، شبکه عصبی کانولوشنی EFL