مشخصات پژوهش

عنوان	تشخیص و قطعه بندی تومور در تصاویر ماموگرافی به صورت مالتی مدال
نوع پژوهش	پایان‌نامه
کلیدواژه‌ها	ماموگرافی، یادگیری ماشین، قطعه بندی
چکیده	سرطان پستان دومین سرطان شایع در زنان است و در سراسر جهان در حال افزایش است. غربالگریهای منظم برای درمان زودهنگام ضروری هستند. ماموگرافی دیجیتال (DM)رایجترین روش برای غربالگری سرطان پستان است و ماموگرافی طیفی با کنتراست افزوده )CESM یا CM( به تشخیص ناهنجاریهای پنهان، به ویژه در بافتهای پستان متراکم، کمک میکند. در این پژوهش از تصاویر DM و CM استفاده شده است. دو روش که برای تشخیص و قطعهبندی ضایعه پستان ارائه شده است شامل یک روش نیمه اتوماتیک و یک روش اتوماتیک، که در روش نیمه اتوماتیک پزشک مرزهای تومور را مشخص میکند و سپس با استفاده از مدل طبقهبندیکننده نوع تومور )بدخیم خوشخیم( را مشخص میکند. روش اتوماتیک هم معرفی کردیم که در این روش قطعهبندی مرزهای تومور به طور اتوماتیک با استفاده از شبکه عصبی U-Net انجام میشود و سپس طبقهبندی تومور انجام میشود. همچنین یک معماری جدید (JointNet) برای طبقهبندی ارائه شد که این معماری همزمان ویژگیهای محلی و سراسری را از ورودی استخراج میکند و باعث بهبود دقت طبقهبندی میشود. یافتهها: در روش نیمه اتوماتیک بهترین دقت 94.74% )روی تصاویر با همپوشانی ضایعه( و در روش اتوماتیک بهدقت 80.65% رسیدیم.
پژوهشگران	نرجس بوذرجمهری (دانشجو)، حبیب رستمی (استاد راهنما اول)، احمد کشاورز (استاد راهنما اول)، سعید طلعتیان آزاد (استاد مشاور)
تاریخ انجام	1402-12-23