نام و نام خانوادگی: ساسان ایزدی
عنوان پایان نامه: بهبود الگوریتم آشکارسازی تومورهای مغزی در تصاویرMRI با استفاده از ویژگی های آماری و بافت
رشته تحصیلی: مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر راحله کافیه
چکیده:
آشکارسازی دقیق و بهموقع ناحیه تومور مغزی در انتخاب نوع درمان، میزان موفقیت آن و دنبال کردن روند بیماری در طول درمان تأثیر بسیار بالایی دارد. الگوریتمهای موجود برای تشخیص تومور مغزی از نظر عملکرد خوب روی تصاویر مغزی متنوع با کیفیتهای مختلف، حساسیت پایین نتایج به پارامترهای معرفی شده در الگوریتم و نیز تشخیص مطمئن تومورها در مراحل اولیه شکلگیری با مشکلاتی مواجه هستند. در این پژوهش روشی جهت تشخیص خودکار تومور از تصاویرMRI مغز ارائهشده است. در ابتدا تصاویر به پنجرههای کوچک تقسیم میشود. پس از تقسیمبندی تصاویر، فیلتر میانگین بر روی تصاویر اعمال میشود. بااعمال فیلتر میانگین و درواقع اعمال مرحلهی پیشپردازش بر روی تصاویر،فیلتر گابور بر روی تصاویر اعمالشده و ویژگی های آماری ماتریس همرویدادی از این پنجره ها استخراج میشود. با توجه به زیاد بودن این ویژگیها، به کمک روش کاهش بعد PCA ابعاد ویژگیها کاهش مییابد. در ادامه این ویژگیها به کلاس بند SVM ارسالمیشوند. درصورتیکه کلاس بند تشخیص دهد آن ناحیه دارای تومور است، به پیکسل مرکزی پنجرهی ورودی برچسب دارای تومور و در غیر این صورت برچسب سالم اختصاص خواهد داد. بعد از این مرحله، پنجرههایی که دارای تومور بودند با استفاده از روش رشد ناحیه به صورت دقیقتر بخش بندی می شوند. با بررسی نتایج مشخص میشود که استفاده از فیلتر گابور به همراه ماتریس همرویدادی، دارای نتایج قابل قبولی با صحت49/97 %در تشخیص تومور بوده است.
کلیدواژه: : تومور، بافت، فیلتر گابور، ویژگی های آماری، بخشبند
تاریخ دفاع: تابستان 1400