-
شماره ركورد
30580
-
پديد آورنده
روح اله مهدوي
-
عنوان
تشخيص سرطان تومور مغزي با استفاده از يادگيري عميق و شبكههاي عصبي پيچشي
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي كامپيوتر- نرمافزار
-
سال تحصيل
1400
-
تاريخ دفاع
1402/11/16
-
استاد راهنما
جواد وحيدي
-
دانشكده
مهندسي كامپيوتر
-
چكيده
ظهور يادگيري عميق، انقلابي در تشخيص پزشكي بهويژه در حوزه تشخيص تومور مغزي با استفاده از تصويربرداري پرتو مغناطيسي (MRI) ايجاد كرده است. اين پاياننامه به بررسي كاربرد فنهاي يادگيري عميق در تشخيص خودكار تومورهاي مغزي با استفاده از دادههاي پزشكي؛ تصويربرداري پرتو مغناطيسي (MRI) ميپردازد و يك كاوش جامع از ادغام بين مدلهاي محاسباتي پيشرفته، بهويژه شبكههاي عصبي پيچشي (CNN)، و پيچيدگيهاي MRI براي تشخيص زودهنگام تومور مغزي را ارائه ميدهد. فصل 1 يك مرور كلي از پيشرفت تاريخي تصويربرداري پزشكي ارائه ميدهد و بر نقش محوري MRI در تشخيص مدرن تأكيد ميكند و زمينه را براي تحقيقات بعدي فراهم ميكند. فصل 2 به ادبيات موضوعي ميپردازد و چشمانداز روشهاي تشخيص تومور مغزي را روشن ميكند. فرضيهها و سؤالات تحقيق را بيان ميكند و چارچوبي را براي كاوش تجربي ايجاد ميكند. اين فصل دسترسي خود را به موانع عملي و چالشهاي پذيرش باليني گسترش ميدهد و تحقيقات بعدي را در ملاحظات دنياي واقعي پايهگذاري ميكند. فصل 3 روششناسي پژوهش را توضيح داده و پيچيدگيهاي طرح تحقيق را روشن ميكند و بر اهميت كيفيت و تنوع مجموعه دادهها تأكيد ميكند. فصل 4 بهعنوان مركز يافتههاي تجربي ظاهر ميشود. با يك مقايسه دقيق، مدل توسعهيافته CNN را در برابر مدلهاي از پيش آموزشديده شده مانند ResNet-50، VGG16 و Inception V3 قرار ميدهد. نتايج، شامل مراحل آموزشي، اعتبار سنجي و ارزيابي جامعي از كارايي مدل ارائه ميدهد. فصل 5 بهعنوان تركيبي از دانش عمل ميكند و خلاصهاي از طرح تحقيقاتي را ارائه ميدهد. اين كاوش كلنگر به چشمانداز در حال تكامل تشخيص پزشكي كمك ميكند و پتانسيل مدلهاي يادگيري عميق را در تشخيص اوليه تومور مغز نشان ميدهد. درنهايت با جمعبندي يافتهها، بحث در مورد مفاهيم آنها و پيشنهاد راههايي براي تحقيقات آينده در اين زمينه حياتي به پايان ميرسد. اين تحقيق گامي اميدواركننده در جهت افزايش تشخيص زودهنگام تومورهاي مغزي است كه درنهايت به مداخلات پزشكي مؤثرتر و بهبود مراقبت از بيمار كمك ميكند.
-
تاريخ ورود اطلاعات
1402/12/15
-
عنوان به انگليسي
Brain tumor cancer diagnosis using deep learning and convolutional neural networks
-
تاريخ بهره برداري
2/4/2025 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
روح اله مهدوي
-
چكيده به لاتين
The emergence of deep learning has revolutionized medical diagnosis, especially in the field of brain tumor diagnosis using magnetic resonance imaging (MRI). This thesis examines the application of deep learning techniques in the automatic diagnosis of brain tumors using medical data; Magnetic resonance imaging (MRI) addresses and provides a comprehensive exploration of the integration between advanced computational models, particularly convolutional neural networks (CNNs), and the complexities of MRI for early brain tumor detection. Chapter 1 provides an overview of the historical development of medical imaging, emphasizing the pivotal role of MRI in modern diagnostics and laying the groundwork for further research. Chapter 2 reviews the relevant literature and sheds light on the prospects for brain tumor detection methods. It articulates research hypotheses and questions and creates a framework for empirical exploration. This chapter extends its reach to practical barriers and challenges to clinical adoption, and grounds subsequent research in real-world considerations. Chapter 3 explains the research methodology and clarifies the complexities of the research design and emphasizes the importance of the quality and diversity of the data set. Chapter 4 appears as the focus of the empirical findings. A detailed comparison pits the developed CNN model against pre-trained models such as ResNet-50, VGG16 and Inception V3. The results, including the training steps, provide a comprehensive evaluation of the model's effectiveness and validation. Chapter 5 serves as a body of knowledge and provides a summary of the research design. This holistic exploration contributes to the evolving landscape of medical diagnosis and demonstrates the potential of deep learning models in early brain tumor diagnosis. Finally, it ends by summarizing the findings, discussing their implications and suggesting avenues for future research in this vital field. This research is a promising step towards increasing the early detection of brain tumors, which ultimately contributes to more effective medical interventions and improved patient care.
-
كليدواژه هاي فارسي
تشخيص تومور مغزي , يادگيري عميق , شبكه عصبي پيچشي
-
كليدواژه هاي لاتين
brain tumor diagnosis , Deep Learning , Convolutional Neural Network
-
Author
Roohollah Mahdavi
-
SuperVisor
Dr. Javad Vahidi
-
لينک به اين مدرک :