15378

15378

استفاده از روش هاي يادگيري نيمه نظارتي در تشخيص تومور تصاوير ماموگرافي

كارشناسي ارشد

آبان ماه 1394

آبان ماه 1394

دكتر منيره عبدوس

چكيده سرطان سينه يكي از شايع‌ترين انواع سرطان‌ در ميان زنان محسوب مي‏شود. بررسي غربالگري از تصاوير ماموگرافي سبب كشف اين سرطان در مراحل اوليه و زودرس مي‏باشد. در سالهاي اخير تحقيقات فراواني بر روي تصاوير ماموگرافي صورت گرفته است تا بتوان بدون دخالت فرد تشخيص دهنده توده هاي سرطاني را تشخيص داده و از تصوير جدا نمود و در اين ميان استفاده از روش هاي يادگيري ماشين در اين حوزه از اهميت زيادي برخوردار است .گرچه بيشتر پژوهش هاي انجام گرفته بر روش هاي پردازش تصوير جهت جدا سازي تومور تمركز دارند. روش هاي نيمه نظارتي از دسته روش هاي يادگيري ماشين به جهت در دست داشتن بخشي از نمونه ها ي داراي برچسب به عنوان نمونه هاي آزمايش مشكل تهيه ي داده ي فراوان كه يكي از مشكلات الگوريتم هاي نظارتي است و تهيه ي آن ها نيازمند صرف زمان و هزينه بالاست را برطرف مي‏نمايد و از طرفي از لحاظ دقت در مراتب بالاتري نسبت به روش هاي بدون نظارت قرار دارد. در اين پژوهش ابتدا از ويژگي هايي نظير ويژگي هاي استاتيك و GLRLM جهت استخراج ويژگي استفاده شده، ويژگي هاي استخراج شده به روش FDA (محاسبه ي روابط درون كلاسي و بين كلاسي) كاهش بعد داده شده و سپس براي جداسازي تومور از بافت سينه از تصاوير ماموگرافي از روش نيمه نظارتي مشاركتي حاصل از دو طبقه بند Bayes و Svm بكار گرفته شده است. پياده سازي اين پروژه مبتني بر پيكسل هاي تصوير بوده و تصميم براي وجود و يا عدم وجود تومور در تصوير براي هر پيكسل و با توجه به پيكسل هاي همسايگي آن پيكسل انجام پذيرفته و سپس تومور از تصوير جدا مي‏‏گردد. نتايج بررسي هاي انجام شده بيانگر آنست كه استفاده از اين روش ها در تشخيص بيماري تا حدودي مؤثر واقع شده و دقت حاصل از تركيب اين روش ها در تخمين بيماري در حدود دقت پزشك برآورد مي‏شود. به علاوه مي‏توان از خستگي، افسردگي، عدم دقت و اشتباهات ديدي فرد نيز برحذر بود. كلمات كليدي سرطان سينه، يادگيري ماشين، روش هاي نيمه نظارتي، طبقه بندي، استخراج ويژگي، كاهش بُعد.