استخراج خودكار محل ضايعه پستان در تصاوير سونوگرافي پستان به كمك شبكه هاي عصبي عميق

كارشناسي ارشد

امروزه انواع سرطان خصوصا سرطان پستان به يكي از مهمترين علل مرگ و مير در جهان بدل شده است و تشخيص درست و زودهنگام و در پي آن درمان به موقع يكي از موثرترين راه هاي كاهش مرگ و مير ناشي از آن است. در چند سال اخير، تشخيص به كمك رايانه بر مبناي يادگيري عميق با كمك انواع شبكه هاي عصبي مصنوعي براي بهبود كيفيت، سرعت و دقت تشخيص ها، مورد توجه محققان در سراسر دنيا قرار گرفته است. ما در اين مطالعه تلاش كرديم روشي ارائه دهيم تا بتواند ضايعه ي پستان را از روي تصاوير اولتراسوند بيايد و علاوه بر آن خوش خيمي يا بد خيمي تومور را مشخص نمايد. ما از يادگيري عميق و شبكه هاي عصبي كانولوشني و شبكه هاي تشخيص اشياء استفاده كرديم و مشخصا الگوريتم تشخيص اشياء يولو نسخه پنجم را به كار گرفته و كارايي آن را بررسي كرديم. در پايان مطالعه، مدل ما با ضريب اطمينان 0.42 براي شناسايي تومور هاي خوش خيم، دقتي حدوداً برابر با 90 درصد و فراخواني برابر با 60 درصد ارائه داد اما طبق نتايج، اين ارقام در نمودار مربوط به تومور هاي بدخيم ناچيز بودند و نشان دادند سيستم براي شناسايي تومور هاي بدخيم مناسب عمل نكرد كه اين موضوع از ماهيت مورفولوژيكي و بافتي تومور هاي بدخيم و نحوه ظاهر شدن آن در تصاوير سونوگرافي منشاء ميگيرد. علل و روش هاي پيشنهادي براي حل اين مساله در فصل آخر به تفصيل آورده شده اند.

211988

دانشگاه علم و صنعت ايران

مهندسي پزشكي- بيوالكتريك

دكتر حميذ بهنام