تشخیص سرطان سینه با استفاده از تبدیل ویولت چرخشی دو بعدی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده مهندسی
- نویسنده ابوذر احمدی
- استاد راهنما مهدی چهل امیرانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
دراین پایان نامه با استفاده از تکنیک های پردازش تصویر بر روی تصاویر ماموگرافی تومور های موجود به دو کلاس سرطانی و غیرسرطانی طبقه بندی می شوند. تصاویر ماموگرافی به کار رفته در این تحقیق mias بوده که شامل 322 تصویر 1024×1024پیکسلی می باشد که از این تعداد 208 عکس مربوط به ماموگرافی سالم و 114 عکس مربوط به ماموگرافی ناسالم یا همان سرطانی است. در تصاویر سرطانی مرکزیت و شعاع تومور های سرطانی توسط تولید کنند گان مشخص شده است و برای تصاویر سالم این مرکزیت در این تحقیق به صورت تصادفی انتخاب شده است. در مرحله اول تک تک عکس های سرطانی به مرکزیت مشخص شده و عکس های سالم با مرکزیت کاملا تصادفی به تصاویر 128×128پیکسلی برش داده می شوند. هدف از این کار کاهش اطلاعات زائد و نویز در تصاویر اصلی بوده تا سرعت پردازش افزایش یابد. در مرحله دوم از تک تک تصاویر128×128پیکسلی تبدیل ویولت چرخشی گسسته دو بعدی گرفته می شود و اطلاعات بدست آمده در شش جهت مختلف30- ، 0،30 ، 60، 90 و120 درجه برای هر عکس در یک بردار ستونی ذخیره می شود. در مرحله سوم به منظور کاهش حجم عملیات و افزایش سرعت پردازش ازpca استفاده شده است، این تکنیک با آنالیز بردارهای مرحله قبل، ویژگی هایی که نسبت به ویژگی های دیگر ناچیز هستند را حذف کرده و به این صورت ابعاد بردارها را کاهش داده و سرعت پردازش را بالا می برد. در نهایت با استفاده از طبقه بندk نزدیکترین همسایه بردارهای ویژگی به دو کلاس سرطانی و غیرسرطانی تقسیم بندی می شوند.
منابع مشابه
استفاده از شبکههای عصبی یادگیری عمیق در تشخیص درجه بدخیمی سرطان پروستات و تشخیص سرطان سینه
مقدمه در سالهای اخیر علاقه به پژوهش در زمینه بهکارگیری الگوریتمهای هوشمند در تشخیص و طبقهبندی بیماریها به ویژه سرطان، به شدت افزایش یافته است. طبقهبندی تومور یک کار مهم در تشخیص پزشکی محسوب میشود. روشهای محاسبات نرمافزاری به دلیل عملکرد طبقهبندی آنها در تشخیص بیماریهای پزشکی اهمیت زیادی دارند. تشخیص و طبقهبندی تصاویر پزشکی یک کار چالش برانگیز است. <stron...
متن کاملتشخیص زود هنگام سرطان سینه به کمک آنالیز تصاویر پزشکی توسط تبدیل ویولت
در این پایان نامه، روشی برای تشخیص زود هنگام سرطان سینه بر اساس آنالیز آماری بافت و ویژگی های حوزه فرکانس به کمک تصاویر ماموگرافی ارائه شده است. برای این منظور از ضرایب تبدیل موجک به عنوان ویژگی های حوزه فرکانس و آمارگان ماتریس هم رخداد به عنوان ویژگی های آماری بافت استفاده می کنیم. با توجه به حجم بالای ویژگی های استخراج شده از تصویر بافت سینه ، اقدام به انتخاب ویژگی می نماییم. برای این منظور...
بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه
امروزه استفاده از سیستمهای هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستمها میتوانند به کاهش خطایی که ممکن است توسط کارشناسان کمتجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستمهای هوشمند مصنوعی در پیشبینی و تشخیص سرطان سینه که یکی از رایجترین سرطانها در بین زنان است، مورد توجه میباشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحلهای انجام...
متن کاملتشخیص سرطان سینه با استفاده از شبکه عصبی جمعی
در این پژوهش برای پیشبینی بیماری سرطان سینه مدلی با استفاده از تکنیک دادهکاوی شبکه های عصبی جمعی ارائه شده است. مجموعه داده مورد استفاده دارای 699 رکورد مربوط به بانک اطلاعاتی بیماران سرطان سینه موجود در انبارداده ی یادگیری ماشین دانشگاه ایروین،کالیفرنیا آمریکا است و شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه ها، حجم سلول بافت اپیتلیال، هسته های عری...
استفاده از نانو ذرات در تشخیص و درمان سرطان سینه: یک مطالعه مروری
Introduction: Nowadays, cancer is one of the most important health concerns in modern societies. The application of nanoparticles has resulted in new possibilities for the diagnosis, tumor imaging and treatment of human cancers. Methods: Gathering and collecting of data have been done from 56 researches conducted on the structure of types of nanoparticles and their applications in diagnos...
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 ارومیه - دانشکده مهندسی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023