عنوان
تشخيص و طبقه‌بندي سرطان پستان از طريق يادگيري عميق و پردازش تصاوير هيستوپاتولوژي
نويسنده اصلي
ناهيد مختاري
مقطع تحصيلي
كارشناسي ارشد
چكيده
از سرطان¬هاي با ميزان مرگ و مير فراوان به ويژه در ميان بانوان، سرطان پستان است. مطالعات نشان مي¬دهند كه پيشگيري از اين بيماري به دليل ناشناخته بودن عوامل آن به شدت دشوار است. از اين رو شناسايي و تشخيص زود هنگام يكي از عوامل مهم و اساسي در درمان اين بيماري است. شيوع سرطان پستان حدود يك سوم از تمامي سرطان‌هاي زنان را تشكيل مي‌دهد و شايع‌ترين علت مرگ و مير ناشي از سرطان در بين زنان در دنيا است. يكي از روش¬هاي تحليل بافت پستان، استفاده از شيوه تصويربرداري آسيب¬شناسي بافتي (هيستوپاتولوژي) است كه در اين زمينه تا به امروز روش¬هاي خودكار مختلفي براي تحليل وجود يا عدم وجود بيماري پيشنهاد شده است. شيوه¬هاي پيشين با مشكلاتي چون پيچيدگي محاسباتي، دقت كم طبقه¬بندي، عدم قطعيت و موارد مشابه روبه¬رو هستند و از اين رو طراحي يك روش كارآمد مبتني بر يادگيري خودكار ضروري به نظر مي¬رسد. از جمله روش¬هاي جديد پيشنهاد شده در زمينه تحليل خودكار تصاوير هيستوپاتولوژي، بكارگيري يادگيري عميق است كه توانايي مناسبي در زمينه تحليل تصاوير ايجاد كرده است. در اين پايان نامه يك ساختار عميق كانولوشني با پيچيدگي محاسباتي كم و دقت رضايت¬بخش در تصميم¬گيري پيشنهاد شده است كه توانسته است تا حد مطلوبي به دسته¬بندي وجود يا عدم وجود بيماري بپردازد. هرچند در ساختار پيشنهادي با ورود تصاوير نياز چنداني به پيش پردازش ندارند، اما از يك روش كارآمد در بهبود كنتراست استفاده شده و ناحيه هدف تصوير از ساير بخش¬ها تفكيك شده است. هفت مدل مختلف در مقايسه با روش پيشنهادي مورد آزمايش قرار گرفته و با پياده¬سازي روش پيشنهادي بر مجموعه داده-هاي BreakHis با چهار سطح بزرگ‌نمايي متفاوت، خروجي¬هاي قابل قبولي حاصل شده است. مصالحه¬اي ميان زمان صرف شده و نيز دقت بهينه در ساختارهاي پيشنهادي مدنظر قرار گرفته و توانسته¬ايم به دقتي بالاتر از 94% در دسته¬بندي دست پيدا كنيم. پياده¬سازي روش پيشنهادي در سطح گسترده كه خود داراي تعميم¬پذيري بالايي است، مي¬تواند زمينه براي تصميم¬گيري بهتر پاتولوژيست يا پزشك متخصص را ايجاد كند. در شيوه پيشنهادي عدم قطعيت مورد توجه قرار گرفته و مي¬تواند بر چالش¬هايي چون بيش‌برازش و مسئله كم شدن دقت طبقه¬بندي فائق آيد.
شماره ركورد
208945
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
مهندسي برق- مدارهاي مجتمع الكترونيك
استاد راهنما
شهريار برادران شكوهي