|
Title
|
یک روش مبتنی بر یادگیری عمیق برای قطعه بندی و طبقه بندی انواع ضایعات پوستی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
ضایعات پوستی، ملانوم، یادگیری عمیق، تصاویر درموسکوپی، شبکه های عصبی عمیق، قطعه بندی، طبقه بندی
|
|
Abstract
|
سیستم پوششی بدن انسان -که پوست نام دارد- مسئول عملکردهایی اعم از دفع، محافظت، لمس، تنظیم حرارت و متابولیک است. قرار گرفتن طولانی در معرض نور آفتاب شدید، منجر به ایجاد ضایعات پوستی می شود. ضایعات پوستی، می توانند خوش خیم و یا بدخیم باشند. ضایعات خوش خیم، لبه های منظم تر و رنگ یکنواخت تری دارند. درحالی که ضایعات پوستی بدخیم، لبه های نامنظم و رنگ نامتوازنی دارند. ضایعات پوستی بدخیم، می توانند تبدیل به سرطان پوست شوند [1]. سرطان پوست، یکی از سرطان هایی است که در سراسر جهان به سرعت در حال گسترش است. در سال 2018، موارد تشخیص داده شده، 779، 329، 1 تخمین زده شده است [2]. در مقایسه با سایر انواع سرطان ها، نرخ شیوع بالا و نیز نرخ بقای اندک سرطان پوست، آن را به یکی از معضلات حاد سلامت جهانی تبدیل کرده است [3]. ملانوم ، یکی از کشنده ترین انواع سرطان بوده و علت بخش اعظمی از مرگ و میر مربوط به سرطان پوست است [4]. علی رغم نرخ بالای مرگ و میر ناشی از ملانوم، با تشخیص زودهنگام این بیماری، تا نرخ بقای 95% و حتی بالاتر، قابل درمان بوده و می تواند روند رو به بهبودی داشته باشد. اما در مراحل پیشرفته ی بدخیم این بیماری، حتی در صورت بکارگیری تکنیک های پیشرفته ی درمانی، نرخ بقا، حدود 15% خواهد بود [5]. احتمال ابتلا به ملانوم در مردها، بیشتر از زن ها است [6]. در حال حاضر، تشخیص ملانوم، با بکارگیری روش درماتوسکوپی -که یک تکنیک غیرتهاجمی است- انجام می گیرد. هدف این روش، مشاهده ی ساختار اپیدرم ها و غشای میانی پوست ، جهت آنالیز الگوهای رنگدانه و عروق است. ملانوم از طریق ویژگی های الگوهای موجود در تصاویر درماتوسکوپی، اعم از عدم تقارن، لبه، رنگ و قطر، قابل تشخیص است [7].
|
|
Researchers
|
(Student)، Mahdi Hashemzadeh (Primary Advisor)، Nacer Farajzadeh (Advisor)
|