نام و نام خانوادگی: مهدی رحمانی مطلق
عنوان پایان نامه: شناسایی سرطان آندومتر مبتنی بر یادگیری عمیق و تصاویر هیستوپاتولوژیک
رشته تحصیلی:مهندسی کامپیوتر گرایش شبکههای کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر سعید نصری
چکیده:
سرطان آندومتر در بین شش سرطان تشخیص دادهشده در زنان، در سراسر جهان میباشد. به همین دلیل تشخیص زودرس سرطان آندومتر مورد اهمیت میباشد، چون وقوع مرگومیر در زنان به دلیل سرطان آندومتر در حال افزایش است. آنالیز تصاویر پاتولوژی یکی از مهمترین روشهای تشخیص سرطان آندومتر میباشد. در سالهای اخیر برای آنالیز تصاویر پاتولوژی از روشهایی مبتنی بر شبکههای عصبی عمیق استفاده گردیده است. در این تحقیق روشی مبتنی بر یادگیری عمیق برای کمک به پاتولوژیستها در ارزیابی بهینه تصاویر بافتی از نمونههای بافت آندومتر رنگی پیشنهادشده است. برای شناسایی سرطان آندومتر نیاز است که ویژگی بافتهای آندومتر مانند غدد آندومتر، استروما و رگ دیواره ضخیم از تصاویر هیستوپاتولوژیکی به دست آید. برای همین منظور از شبکه Xception با استفاده از انتقال یادگیری استفاده گردید است. همچنین برای افزایش دقت شناسایی سرطان آندومتر بهبود انجامگرفته شامل افزودن ویژگیهای سطح محلی در خروجی بر روی شبکه Xception انجامشده است. تصاویر تست توسط شبکه Xception بهبودیافته، طبقهبندی شدند و نوع سرطان آندومتر شناسایی گردید. نتایج شبیهسازی بر روی 3300 تصویر آندومتر هیستوپاتولوژی نشان میدهد که روش پیشنهادی عملکرد قابل قبولی در شناسایی سرطان آندومتر داشته است. دقت عملکرد روش پیشنهادی 45/85% و معیار حساسیت 11/84% گزارش گردید. بر اساس نتایج شبیهسازی، شبکه Xception بهبودیافته عملکرد بهتری نسبت به شبکه Xception برای شناسایی سرطان آندومتر داشته است.
کلیدواژه: سرطان آندومتر، تصاویر هیستوپاتولوژی، شبکه عصبی عمیق، کانولوشن، انتقال یادگیری
تاریخ دفاع: تابستان 1400