8907

8907

پيادهسازي روشي كارا براي شناسايي خودكارتودهها در تصاوير ماموگرام

كارشناسي ارشد

كامپيوتر گرايش هوش مصنوعي

آذر ماه 1390

آذر ماه 1390

دكتر سرياني

چكيده هدف از اين پاياننامه، پيادهسازي سيستمي براي شناسايي تودهها در تصاوير ماموگرام م يباش د. سيستم تودهياب پيشنهاد شده در اين پاياننامه داراي 2 گام اساسي ميباش د. در گام 1 تعدادي ناحيهي مشكوك به توده از تصاوير ماموگرام استخراج ميشود. بعضي از اين نواحي واقعَا مبين توده هستند و بعضي از آنها به اشتباه به عنوان توده استخراج م يشون د. ما براي استخراج نواحي مشكوك روشي پيشنهاد كردهايم كه اين روش مبتني بر كانتور تكشدتي ميباشد و بدين ترتيب به حساسيتي برابر 0.91 و ميانگين نمونههاي مثبت نادرست برابر 4.77 دست يافتيم. در گام 2 با استفاده از تكنيكهاي يادگيري ماشين سعي ميكنيم بسياري از ناحي ههايي كه در گام 1 به اشتباه به عنوان توده استخراج شدهاند را كاهش دهيم. در رويكرد پيش نهاد شده، تعداد زيادي ويژگي به ازاي هر ناحيه استخراج شده و يك بردار ويژگي طويل متناظر با هر ناحيه ساخته م ي- شود. در ادامه با يك مشكل اساسي روبهرو خواهيم بود كه تقريبَا تمام الگوريتمها از اين مشكل رنج ميبرند. اين مشكل اساسي نامتعادل بودن مجموعه داده ميباشد. يعني تعداد نمونههاي مثبت نادرست به مراتب بيشتر از نمونههاي مثبت درست ميباشد. اين عدم تعادل موجب تمايل رد ه- بندها به سمت كلاس بزرگتر شده و بدين ترتيب شاهد َافت شديد كارايي سيستم خواهيم بود. براي رويارويي با مشكل عدم تعادل از راهكار نمونهگيري بهره بردهايم. در اين پايا ننامه از يك براي افزايش نمونههاي مثبت در مجموعه آموزشي استفاده SMOTE روش نمونهگيري به نام كرديم. پس از نمونهگيري، به منظور كاهش پيچيدگيهاي فضايي و زماني و همچنين افزايش كارايي ردهبند از يك روش انتخاب ويژگي بر مبناي معيار سود اطلاعات ي استفاده ش د. سرانجام براي ردهبندي نمونهها، يك ردهبند مركب و حساس به هزينه طراحي نموديم. از آنجاييكه هزينهي ردهبندي نادرست تودهها با يكديگر متفاوت است، تصميم گرفتيم كه با استفاده از يك فرا-ردهبند به نام متاكاست، ردهبند مركب پيشنهادشده را به ردهبندي حساس به هزينه تبديل كنيم. سيستم FROC آزمايش شده اس ت. تحليل mini-MIAS تودهياب پيشنهاد شده بر روي مجموعه دادهي كارايي روش پيشنهادشده را تأييد ميكند و نتايج حاكي از اين است كه كارايي تودهياب پيشنهاد شده بهتر از تودهيابهاي رقيب ميباشد. واژ ههاي كليدي: ماموگرافي، بخشبندي تصوير، مجموعه داده نامتعادل، ردهبند مركب.