|
Title
|
تشخیص و مکان یابی سرطان سینه با استفاده از شبکه های عصبی کاملاً کانولوشنی رمزگذار - رمزگشا در تصاویر بافت سینه
|
|
Type of Research
|
Thesis
|
|
Keywords
|
سرطان سینه، شبکه های عصبی کانولوشنی، مکان یابی، تصاویر بافت شناسی
|
|
Abstract
|
با توجه به آمارهای منتشر شده، نشان داده شده است که تشخیص به موقع سرطان سینه باعث نجات بیش از 80٪ مبتلایان می شود. اما با توجه به اینکه در روش های سنتی علاوه بر نیاز به تصویربرداری، لازم است که یک پزشک متخصص و با تجربه نیز براساس آزمایشات و مطالعه تصاویر، اعلام نظر کند، پروسه ی تشخیص طولانی و پرهزینه است. از این رو، پژوهشگران زیادی در حوزه هوش مصنوعی سعی در ایجاد سیستم های تشخیص خودکار سرطان سینه کرده اند. ﻫﺮﮐﺪام از این روش های خودکار، ﺑﻪ ﻓﺮاﺧﻮر ﻋﻤﻠﮑﺮدﺷﺎن، دارای معایبی هستند که از جمله آن ها می توان به دقت پایین در آنها اشاره کرد. در مقابل، شبکه های عصبی کانولوشنی به عنوان زیرشاخه ای از یادگیری عمیق، توانسته اند کاربرد های بینایی ماشین را متحول کرده و در حوزه های مختلف به خصوص پزشکی و تشخیص بیماری ها از روی تصاویر پزشکی، کارایی بسیار خوبی نشان دهند. با این حال، راهکارهایی که برای حل این مسئله با استفاده از شبکه های عصبی کانولوشنی ارائه شده اند، علی رغم دست یابی به دقت طبقه بندی بالا، فرآیند آموزش بسیار طولانی داشته و همچنین نیاز به داده های بسیار زیادی برای آموزش دارند؛ علاوه براین، اکثر این شبکه ها توانایی مکان یابی دقیق توده های سرطانی در سینه را ندارند. لذا طراحی یک شبکه عصبی کانولوشنی که بتواند با حفظ دقت طبقه بندی، زمان آموزش را کمتر کرده و مکان دقیق توده ها را در تصاویر مشخص سازد، از اهمیت ویژه ای برخوردار است.
|
|
Researchers
|
(Student)، Nacer Farajzadeh (Primary Advisor)، Mahdi Hashemzadeh (Advisor)
|