طراحی یک سامانه رایانه‌ای جهت کمک به پزشکان در بازشناسی اتوماتیک تومورهای سرطان سینه با استفاده از پردازش دیجیتالی تصاویر ماموگرافی و هوش مصنوعی

خط مشی دسترسی

فارسی

X

X

جستجوی مدارک

X

تمام متن

X

منابع دیجیتالی

زبان متن نوشتاري يا گفتاري و مانند آن	:	فارسی
نوع ماده	:	طرح تحقیقاتی/ پروژه فارسی
شماره شناسایی	:	50884
شماره مدرک	:	‭ط۲۵۴۴‬
نام شخص به منزله سر شناسه - (مسئوليت معنوي درجه اول )	:	احمدزاده، محمدرضا، مجری طرح
عنوان و نام پديدآور	:	طراحی یک سامانه رایانه‌ای جهت کمک به پزشکان در بازشناسی اتوماتیک تومورهای سرطان سینه با استفاده از پردازش دیجیتالی تصاویر ماموگرافی و هوش مصنوعی [طرح تحقیقاتی]/ محمدرضا احمدزاده، علی حکمت‌نیا، آتوسا ادیب؛ همکاران طرح: مسعود هاشمی، فرزانه کلاهدوزان، هنگامه میرزاعلیان
وضعيت نشر و پخش و غيره	:	اصفهان : دانشگاه علوم پزشکی اصفهان، معاونت تحقیقات و فناوری ، ‭۱۳۸۷‬.
مشخصات ظاهري	:	‮‭۱۴۳‬،۹ص.‬: مصور، جدول، نمودار
يادداشتهاي مربوط به نشر، بخش و غيره	:	چاپی
يادداشتهاي مربوط به خلاصه يا چکيده	:	سرطان سینه شایعترین سرطان و اولین عامل مرگ و میر ناشی از سرطان در میان زنان جهان است. در حال حاضر ماموگرافی مناسبترین روش تشخیص سرطان سینه محسوب می گردد. اما به علت نوع بافت سینه و استفاده از تابش اشعه ایکس با تراکم پایین در تهیه ماموگرام ها، تصاویر از تباین پایینی برخوردارند. در ضمن تومورها دارای اندازه ها و اشکال های متفاوتی هستند به همین دلیل تشخیص ضایعات به خصوص در مراحل اولیه تشکیل کار بسیار دشوار و خسته کننده ای است. آمار نشان می دهد تشخیص زود هنگام ضایعات در کاهش مرگ و میر ناشی از سرطان نقش چشمگیری دارد. در این تحقیق هدف یافتن تومورها در ماموگرام می باشد. تصاویر ماموگرام دارای ابعاد بزرگی هستند و پردازش کل تصویر برای یافتن تومور بسیار زمانبر می باشد به منظور کاهش نواحی مورد پردازش تصویر روشهایی برای جداسازی پس زمینه از بافت سینه و شناسایی مرز ماهیچه پکتورال پیشنهاد شده است. برای کاهش نواحی بیشتر نواحی که مورد پردازش قرار می گیرد الگوریتمی برای شناسایی نواحی مشکوک استخراج می شود. برای کاهش تعداد ویژگی های مورد استفاده و همچنین افزایش بازدهی الگوریتم، یک روش برای انتخاب ویژگی های موثر با استفاده از الگوریتم ژنتیک پیشنهاد شده است. برای دسته بندی نهایی نیز از بین ابزارهای مختلف موجود‭SVM‬ پس از ارزیابی تعدادی از ابزارهای کلاس بندی به عنوان یکی از مطمئن ترین روش های کلاس بندی در این کاربرد انتخاب شده و مورد استفاده قرار گرفته است. در انتها هم برای شناسایی نوع تومور (خوش خیم یا بدخیمی تومور) یک روش بر اساس یافتن مرز تومور و باز کردن این مرز حول مرکز جرم و استخراج ویژگی های توصیف کننده شکل مانند بعد فرکتالی ، پیشنهاد شده است. الگوریتم نهایی پیشنهاد شده به صورت ترکیب ویژگی های ماتریس همرخداد و‭PCA‬ و انتخاب ویژگی هاتوسط الگوریتم ژنتیک به سطح زیر منحنی‭۰/۹۷ ‬رسیده است. درصد تشخیص مثبت صحیح به دست آمده توسط‭SVM‬ برابر‭ ۹۷/۳ ‬درصد تشخیص مثبت کاذب برابر‭ ۱۶/۶۵ ‬درصد می باشد
اصطلاحهاي موضوعي کنترل نشده	:	نورویش های پستان
	:	پردازش تصاویر به کمک رایانه
	:	واضح تر کردن تصاویر پرتونگاری
	:	پستان نگاری
	:	طراحی نرم افزار
	:	پوینده های برش نگار تصاویر رایانه‌ای با اشعه ایکس
	:	Breast Neoplasms
	:	Image Processing, Computer- Assisted
	:	Radiography Image Enhancement
	:	Mommography
	:	Software Design
	:	Tomography Scanners, X- Ray Computed
نام شخص - ( مسئوليت معنوي درجه دوم )	:	حکمت نیا، علی ، مجری طرح
	:	ادیب، آتوسا، مجری طرح
	:	هاشمی، مسعود، همکار طرح
	:	کلاهدوزان، فرزانه ، همکار طرح
	:	میرزاعلیان، هنگامه ، همکار طرح
نام تنالگان - (مسئوليت معنوي درجه دوم )	:	دانشگاه علوم پزشکی اصفهان، معاونت تحقیقات و فناوری
مبدا اصلي	:	IRدانشگاه علوم پزشکی اصفهان
وضعيت انتشار	:	p
مجری طرح(حقیقی)	:	محمدرضا احمدزاده، علی حکمت‌نیا، آتوسا ادیب
منبع تامین اعتبار	:	معاونت تحقیقات و فناوری
کد پروژه	:	‭۲۸۶۱۹۴‬
تاریخ اتمام	:	‭1387/12/29‬
تاریخ شروع	:	‭1387/02/01‬