نام و نام خانوادگی:محمدحسن سلیمیان
عنوان پایان نامه: مطالعه، بررسی و بهبود روش تشخیص سرطان سینه با استفاده از دسته ویژگی های استخراج شده جدید از تصاویر حرارتی سینه
رشته تحصیلی: مهندسی پزشکی – بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: 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 آن تشخیص زودهنگام سرطان سینه می باشد. ترموگرافی مادون قرمز سینه یک روش تصویرگیری مبتنی بر ثبت الگوهای توزیع دمایی بافت سینه است و به دلیل غیرتهاجمی، غیرتماسی و غیرفعال بودن و عدم استفاده از تابش یونیزان، 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 17 ویژگی از جمله ویژگی های آماری شامل واریانس، میانه، مد، چولگی و کشیدگی، ویژگی های مبتنی بر هیستوگرام شامل میانگین، نُرم، انحراف معیار، ویژگی های مبتنی بر ماتریس هم وقوعی شامل کنتراست، آنتروپی، هموژنیتی، انرژی و همبستگی، ویژگی¬های مبتنی بر مورفولوژی نواحی مشکوک نظیر عدد اولر و محیط، گشتاور مرکزی با مرتبه 3 و گشتاور مرکزی با مرتبه 4 می باشد. در این روش جدید از الگوریتم های طبقه بندی کننده ی k نزدیک ترین همسایگی (kNN)، ماشین بردار پشتیبان(SVM)، شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عصبی تابع پایه شعاعی (RBF) برای طبقه¬بندی تصاویر حرارتی و تعیین سرطان سینه استفاده شده است. در روش پیشنهادی با محاسبه ی مقدار ویژگی ها، ماتریس هم وقوعی با استفاده از فیلتر گابور و بدون استفاده از فیلتر گابور به الگوریتم طبقه بندی کننده داده شده است. روش پیشنهادی تشخیص سرطان سینه در نرم افزار MATLAB 2016 و با استفاده از 121 نمونه تصویر حرارتی سینه مورد ارزیابی قرار گرفته است. نتایج ارزیابی نشان می دهد که میانگین صحت در روش پیشنهادی برای الگوریتم های طبقه بندی کننده MLP، RBF، SVM و kNN برای حالت بدون اعمال فیلتر گابور به ترتیب 5/62، 8/70، 50 و 2/90 درصد، میانگین حساسیت برای این الگوریتم ها به ترتیب 6/91، 5/87، 6/41 و 5/87 درصد، و میانگین اختصاصیت برای این الگوریتم ها به ترتیب 6/25، 3/40، 2/32 و 8/46 درصد می باشد. میانگین صحت برای حالت با اعمال فیلتر گابور به ترتیب 7/67، 4/89، 5/63 و 8/95 درصد، میانگین حساسیت برای این الگوریتم ها به ترتیب 2/66، 7/85، 4/58 و 4/88 درصد، و میانگین اختصاصیت برای این الگوریتم ها به ترتیب 6/45، 4/49، 2/47 و 6/58 درصد می باشد.

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

تاریخ دفاع: پاییز 1398