|
Title
|
تشخيص و قطعه بندي تومور در تصاوير ماموگرافي به صورت مالتي مدال
|
|
Type
|
Thesis
|
|
Keywords
|
ماموگرافي، يادگيري ماشين، قطعه بندي
|
|
Abstract
|
سرطان پستان دومين سرطان شايع در زنان است و در سراسر جهان در حال افزايش است. غربالگريهاي منظم براي درمان زودهنگام ضروري هستند. ماموگرافي ديجيتال (DM)رايجترين روش براي غربالگري سرطان پستان است و ماموگرافي طيفي با كنتراست افزوده )CESM يا CM( به تشخيص ناهنجاريهاي پنهان، به ويژه در بافتهاي پستان متراكم، كمك ميكند. در اين پژوهش از تصاوير DM و CM استفاده شده است. دو روش كه براي تشخيص و قطعهبندي ضايعه پستان ارائه شده است شامل يك روش نيمه اتوماتيك و يك روش اتوماتيك، كه در روش نيمه اتوماتيك پزشك مرزهاي تومور را مشخص ميكند و سپس با استفاده از مدل طبقهبنديكننده نوع تومور )بدخيم خوشخيم( را مشخص ميكند. روش اتوماتيك هم معرفي كرديم كه در اين روش قطعهبندي مرزهاي تومور به طور اتوماتيك با استفاده از شبكه عصبي U-Net انجام ميشود و سپس طبقهبندي تومور انجام ميشود. همچنين يك معماري جديد (JointNet) براي طبقهبندي ارائه شد كه اين معماري همزمان ويژگيهاي محلي و سراسري را از ورودي استخراج ميكند و باعث بهبود دقت طبقهبندي ميشود. يافتهها: در روش نيمه اتوماتيك بهترين دقت 94.74% )روي تصاوير با همپوشاني ضايعه( و در روش اتوماتيك بهدقت 80.65% رسيديم.
|
|
Researchers
|
Narjes Bouzarjomehri (Student) , Habib Rostami (First primary advisor) , Ahmad Keshavarz (First primary advisor) , Saeed Talatian Azad (Advisor)
|