فایل ورد آشكارسازي و دسته بندي تمام خودكار نواحي مشكوك در تصاوير ترموگرام پستان براي تشخيص زودهنگام سرطان

لینک دانلود

فایل ورد آشكارسازي و دسته بندي تمام خودكار نواحي مشكوك در تصاوير ترموگرام پستان براي تشخيص زودهنگام سرطان دارای 18 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد آشكارسازي و دسته بندي تمام خودكار نواحي مشكوك در تصاوير ترموگرام پستان براي تشخيص زودهنگام سرطان کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي فایل ورد آشكارسازي و دسته بندي تمام خودكار نواحي مشكوك در تصاوير ترموگرام پستان براي تشخيص زودهنگام سرطان،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد آشكارسازي و دسته بندي تمام خودكار نواحي مشكوك در تصاوير ترموگرام پستان براي تشخيص زودهنگام سرطان :


سال انتشار : 1394

نام کنفرانس، همایش یا نشریه : مهندسي پزشكي زيستي

تعداد صفحات :18

سرطان پستان رایج ترین نوع سرطان در بین زنان است. مطالعات پاتولوژیك نشان داده اند بیش از 80% ناهنجاری های پستان در مراحل اولیه خوش خیم هستند، بنابراین مهمترین مساله در درمان آن تشخیص زودهنگام است. ترموگرافی مادون قرمز پستان یك روش تصویرگیری مبتنی بر ثبت الگوهای توزیع دمایی بافت پستان است و در مقایسه با ماموگرافی پستان به دلیل غیرتهاجمی، غیرتماسی، غیرفعال بودن و عدم استفاده از تابش یونیزان روشی بسیار مناسب در تشخیص زودهنگام سلول های سرطانی است. در این مقاله روشی به منظور آشكارسازی خودكار نواحی مشكوك در تصاویر ترموگرام پستان با هدف کمک رساندن به پزشكان در تشخیص زودهنگام این سرطان ارائه شده است، به نحوی كه دقت و صحت را افزایش داده و درصد پذیرش اشتباه را كاهش می دهد. این الگوریتم شامل 4 بخش اصلی پردازش تصویر، استخراج ویژگی، انتخاب ویژگی و طبقه بندی است. در مرحله پردازش، ابتدا بر اساس عملیاتی تمام خوکار، ناحیه مطلوب تعیین شده، كیفیت تصاویر ارتقاء یافته و سپس پستان راست و چپ از یكدیگر جدا می شوند. سپس درایه های ماتریس تصویر، نرمال سازی شده و نواحی نسبی مشكوك تعیین می شوند. پس از آن در مرحله استخراج ویژگی، ویژگی های آماری، ویژگی هایی مبتنی بر هیستوگرام، ویژگی هایی مبتنی بر ماتریس هم وقوعی (GLCM)، ویژگی هایی بر اساس مورفولوژی نواحی مشكوك و ویژگی هایی در حوزه فركانس از هر یك از نواحی بخش بندی شده پستان راست و چپ استخراج می شوند. در ادامه برای دستیابی به بهترین ویژگی ها، روش های انتخاب ویژگی نظیر کم ترین افزونگی و بیشترین ارتباط (mRMR)، انتخاب متوالی رو به جلو (SFS)، انتخاب متوالی رو به عقب (SBS)، انتخاب متوالی سیال رو به جلو (SFFS)، انتخاب متوالی سیال رو به عقب (SFBS) و الگوریتم ژنتیک (GA) به كار گرفته می شود. در پایان برای طبقه بندی و تعیین معیار استاندارد برای تحلیل دمای عروقی پستان ها (TH)، روش های مختلف طبقه بندی مانند AdaBoost، ماشین های بردار پشتیبان (SVM)، نزدیک ترین همسایه (KNN)، بیزین ساده (NB) و شبکه عصبی احتمالی (PNN) مورد ارزیابی قرار گرفتند، تا از مناسب ترین آن به منظور طبقه بندی ویژگی ها استفاده شود. نتایج به دست آمده روی پایگاه داده بومی، بیانگر كارایی قابل توجه روش پیشنهادی است. با توجه به نتایج، تركیبmRMR با AdaBoost با بیشینه صحت %92 و ترکیب SFFS با AdaBoost با بیشینه صحت 88%، به ترتیب بهترین تركیبات به دست آمده روی تصاویر پستان راست و چپ ارزیابی شدند.
كلید واژه: سرطان پستان، ترموگرافی پستان، ترموگرام، انتخاب ویژگی، طبقه بندی، TH

توضیحات بیشتر