|
Title
|
تشخیص خودکار میتوز در هیستوپاتولوژی بر اساس مدل سازی غیر گاوسی ضرایب موجک مختلط
|
|
Type of Research
|
Thesis
|
|
Keywords
|
آسیب شناسی، سرطان پستان، تشخیص میتوز، مدل غیرگاوسی، موجک
|
|
Abstract
|
در این پژوهش یک رویکرد مدل سازی غیر گاوسی مبتنی بر موجک برای تشخیص خودکار میتوز در تصاویر هیستوپاتولوژیک سرطان پستان ارایه می شود. ار آن جایی که سلول های میتوزی در تصاویر ظاهر و بافت بسیار متنوعی را نشان می دهند، هیچ راه ساده ای برای مشخص کردن میتوز بر اساس شکل ها و شدت پیکسل وجود ندارد. در این پژوهش، مدل های غیرگاوسی دو متغیره GGD و SaS برای توصیف رفتار دم سنگین غیرگاوسی توزیع حاشیه ای موجک و وابستگی هایی بین مقیاس قوی در سراسر زیر باندهای موجک استفاده می شود. ویژگی ها اجازه می دهد تا ویژگی های متمایز را که هم در مقیاس درشت و هم در مقیاس مجاور قبلی در حوزه موجک ظاهر می شوند، ثبت کنند. پارامترهای مدل برآورد شده از توزیع های ضریب موجک به عنوان ویژگی های سلولی برای آموزش یک طبقه بندی کننده SVM استفاده می شود. روش مدل سازی غیرگاوسی مبتنی بر موجک هم بر روی مجموعه داده های معیار MITOS و هم یک مجموعه داده مستقل از دو سایت بالینی مورد ارزیابی قرار می گیرد. روش تشخیص خودکار میتوز ممکن است به آسیب شناسان در افزایش کارایی و بهره وری عملیاتی و هم چنین بهبود اطمینان تشخیصی در طول تمرین بالینی کمک کند. درواقع، تشخیص میتوز از اهمیت حیاتی در درجه بندی سرطان پستان یک کار چالش برانگیز است.
|
|
Researchers
|
(Student)، Nasser Aghazadeh (Primary Advisor)، (Advisor)
|