آشکارسازی توده های پستان مبتنی بر خوشه یابی طیفی و ماشین بردار پشتیبان در تصاویر ماموگرافی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی
- نویسنده حسین کتابی
- استاد راهنما رسول خیاطی
- سال انتشار 1392
چکیده
امروزه سرطان پستان دومین عامل مرگ و میر زنان در سطح جهان به شمار میرود. ماموگرافی از روشهای مهم در تشخیص سریع تودههای پستان میباشد. در سالهای اخیر استفاده از روشهای تشخیص کامپیوتری خودکار مبتنی بر تکنیکهای پردازش تصویر، تفسیر مطمئنتری در آشکارسازی تودههای پستان داشته است. در این تحقیق، رویکردی مبتنی بر خوشه یابی طیفی و ماشین بردار پشتیبان به منظور تشخیص تودههای پستان، در تصاویر ماموگرافی دیجیتال ارائه گردیده است. بدین منظور در گام اول، با استفاده از ویژگیهایی نظیر ویژگی های بافتی ، نواحی پستان با استفاده از خوشهیابی طیفی به بخش های مجزا از لحاظ شکل بافت، تقطیع میشود. سپس در گام بعدی، با در نظر گرفتن ویژگیهای شکلی مستخرج از بخشهای تقطیع شده، توده بودن آن بخش با بکارگیری طبقه بندی کنندهی ماشین بردار پشتیبان مشخص می گردد. نتایج حاصل از ارزیابی رویکرد پیشنهادی از طریق محاسبه شاخص های حساسیت ، اختصاصی بودن و صحت برای تصاویر آزمایش به ترتیب برابر با: %89/5، %91/2 و %90 بیانگر عملکرد مطلوب آن است. امید است با اِعمال این روش، تفسیر جامع تر و دقیق تری در اختیار پزشک قرار گیرد.
منابع مشابه
مدلسازی وضعیت صخره های مرجانی با استفاده از رگرسیون ماشین بردار پشتیبان و اعمال شاخصهای طیفی
از منظر تنوع زیستی، جزایر مرجانی مانند جنگلهای استوایی، متنوع ترین اکوسیستمهای جهان و شاخصی از سلامت اکوسیستم محسوب میشوند اما اکثر این جزایر به دلیل تحولات توریستی و نیز تأثیرات تغییر آبوهوا رو به نابودیاند.توانایی شناسایی و ارزیابی سلامت مرجانها با استفاده از تصاویر ماهوارهای شیوهای مقرونبهصرفه و موثر است. با توجه به اثرگذاری دمای سطح آب بر روی سلامت و توزیع رجانها، با استفاده از ا...
متن کاملتعیین ماشینهای بردار پشتیبان بهینه در طبقهبندی تصاویر فرا طیفی بر مبنای الگوریتم ژنتیک
Hyper spectral remote sensing imagery, due to its rich source of spectral information provides an efficient tool for ground classifications in complex geographical areas with similar classes. Referring to robustness of Support Vector Machines (SVMs) in high dimensional space, they are efficient tool for classification of hyper spectral imagery. However, there are two optimization issues which s...
متن کاملشناسایی ربات های وب با استفاده از ترکیب رویکردهای مبتنی بر ماشین های بردار پشتیبان فازی
This article has no abstract.
متن کاملتشخیص جزیره در شبکة توزیع مبتنی بر تبدیل S گسسته سریع و ماشین بردار پشتیبان
در این مقاله، روشی جدید برای تشخیص جزیره در خطوط توزیع با منابع تولید پراکنده مبتنی بر تبدیل S گسسته سریع ارائه شده است. در این روش، ابتدا تبدیل S ولتاژ و جریان در نقطة اتصال مشترک محاسبه شده است؛ سپس ویژگیهای متمایزکنندة حالت جزیره از حالت نرمال با استفاده از ماتریس S و کانتورهای فرکانسی استخراج میشوند. این ویژگیها با مطالعة شرایط مختلف عملکرد عادی ازجمله ورود و خروج بار، بارهای موتوری، وقو...
متن کاملآشکارسازی تغییرات مناطق نیمه شهری در تصاویر ماهواره ای چند زمانه نوری مبتنی بر آنالیز شیءگرا و ماشین بردار پشتیبان
برای این منظور در این تحقیق از تصاویر ماهواره ای با رزولوشن بالای ماهواره های geoeye-1 و quickbird-1 جهت شناسایی تغییرات در منطقه مطالعاتی شهرک آزاد شهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. تصاویر ماهواره ای quickbird-1 متعلق به سال 1385 و geoeye-1 متعلق به سال 1389 است. به منظور بهبود صحت آشکارسازی تغییرات، از آنالیز های شیءگرای تصاویر استفاده شد.در این پایان نامه هدف آش...
تشخیص سهبعدی سرطان پستان با استفاده توأم از روشهای ماشین بردار پشتیبان و المان محدود
Background & Aims: Breast cancer is one of the most prevalent non-skin-related malignancies among women in the world. Thus, many countries have commenced screening test in early stages in order to diagnose breast cancer. Buried object detection is performed in the present work to detect 3-D breast cancer applying SVM classifier. Some transmitters and receivers are located above the breast. E...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023