20832

۲۰۸۳۲

ارائه روشي براي تحليل تومورهاي سرطاني با استفاده از تكنيك هاي داده كاوي در جهت كاهش هزينه هاي اقتصادي و اجتماعي

كارشناسي ارشد

سيستم هاي اقتصادي - اجتماعي

1395-1397

۱۳۹۷/۱۲/۱۸

دكتر رسول نورالسناء

مهندسي پيشرفت

شيوع مداوم سرطان پستان در سراسر دنيا يك عامل مهم مرگ ومير در زنان به شمار مي رود كه تشخيص زودهنگام اين سرطان در زنانِ بدون علائم مي تواند ميزان مرگ ومير آن ها را تا حد زيادي كاهش دهد. دربرنامه هاي غربالگري، ماموگرام هاي بسيار زيادي حاصل مي شود كه بايد توسط راديولوژيست ها به دقت بررسي شوند، ازآنجاكه نشانه هاي ابتدايي سرطان پستان بسيار ضعيف هستند، كار غربالگري براي راديولوژيست ها دشوار مي گردد و شواهدي موجود است كه در برنامه هاي غربالگري، راديولوژيست ها حدود 25 درصد از سرطان ها را كه در بازنگري قابل روئيت بوده¬اند، تشخيص نداده اند و از طرفي ديگر، مشاهده مستقل توسط دو راديولوژيست به طرز قابل توجهي حساسيت غربالگري را افزايش داده كه البته اين كار هزينه ها را بالا مي برد. سيستم هاي كمكي كامپيوتري (CAD) مي توانند به عنوان يك سيستم كمك كننده در كنار راديولوژيست ها، دقت تشخيص را بالا برده و طبقه بندي موارد سرطاني و غيرسرطاني را بهبود ببخشند. در اين تحقيق، با استفاده از تكنيك هاي پردازش تصوير و داده كاوي، تصاوير ماموگرافي تهيه شده از پايگاه داده اي ِDDSM را كه شامل برچسب هاي اضافي بودند، بهبود يافتند، سپس با استفاده از الگوريتم SSD ناهنجاري هاي مشكوك به سرطان استخراج شده و در قالب ماتريس ويژگي ها ذخيره شدند، پس از كاهش بعد اين ماتريس با استفاده از روش تحليل مؤلفه هاي اصلي، با اعمال مدل رگرسيون لسو تعميم-يافته بر روي ماتريس ويژگي، موارد مشكوك استخراج شده، به سه كلاس نرمال، خوش خيم و بدخيم طبقه بندي شدند. نحوه ي كار اين سيستم پيشنهادي بدين صورت است كه با دقت ۹۳/۸۵ درصد مي تواند بيماران را به سه كلاس (نرمال، خوش خيم، بدخيم) طبقه بندي كند و تعدادي را كه احتمال قرارگرفتن آن ها دركلاس هاي مذكور، بسيار نزديك به هم بودند به منظور احتياط بيشتر، در يك گروه جداگانه كه احتياج به آزمايشات بيشتري دارند به راديولوژيست پيشنهاد مي كند. واژه‌هاي كليدي: تكنيك هاي داده كاوي، پردازش تصوير، سرطان پستان، رگرسيون لسو تعميم يافته

1398/04/11

To provide a method for the analysis of cancer tumors using data mining techniques to reduce economic and social costs

3/9/2019 12:00:00 AM

The constant prevalence of breast cancer around the world is a major cause of death in women. Early diagnosis of this cancer in women without symptoms can greatly reduce their mortality rate. Screening programs provide many mammograms that should be carefully reviewed by radiologists, since early symptoms of breast cancer are very Mild, screening is difficult for radiologists, and there is some evidence that screening programs, Radiologists have not diagnosed about 25 percent of the cancers that could be seen in the review, and, on the other hand, independent observation by two radiologists significantly increases the sensitivity of screening. This, of course, raises costs and the work pressure of Radiologists increases. Computer Aided Design (CAD) systems can as an auxiliary systems for radiologists, increase the accuracy of diagnosis and improve the classification of cancerous and non-cancerous cases. In this study, using image processing and data mining techniques, mamograms from the DDSM database containing additional lable, were improved, then using the SSD algorithm, suspicious cancerous abnormalities were extracted and in the form of Attribute matrices were stored, then by applying the Generalized LASSO Regression model on the characteristic matrix, suspected cases were classified into three groups including normal, benign and malignant. The way the proposed system works is that it can them into three classes (normal, benign, malignant) with an accuracy of 93.85%, and is to collect the rest of cases, which are likely to be found in three mentioned classes, into a separate class and recommend as a class that need more test to radiologist to be more careful.