10322

تشخيص خودكار وضعيت جهش EGFR درآدنوكارسينوماي ريه در تصويربرداري CT با استفاده از مدل شبكه هاي عصبي كانولوشني عميق

نيمسال اول 1400

دكتر سيد علي اصغر بهشتي شيرازي

سرطان ريه يكي از كشنده ترين سرطان ها در ميان مردان و زنان است كه اغلب دير تشخيص داده مي شود. بنابراين تشخيص به موقع اين بيماري و درمان آن در ميزان زنده ماندن افراد نقش بسزايي دارد. امروزه تشخيص سرطان ريه به كمك تصاوير توموگرافي كامپيوتري به صورت غير تهاجمي در كوتاه ترين زمان و با صرف هزينه كم تر نسبت به ساير روش هاي تشخيصي ديگر براحتي صورت مي گيرد. از آنجايي كه تجزيه و تحليل تصاوير، به منظور شناسايي نوع ندول به صورت دستي توسط پزشك مي تواند همراه با خطا باشد، از اين رو با ارائه يك سيستم خودكار كامپيوتري مبتني بر تكنيك هاي پردازش تصوير و الگوريتم هاي يادگيري ماشين از جمله استفاده از شبكه هاي عصبي عميق مي توان در كوتاه ترين زمان، حساسيت و دقت در تشخيص نواحي مشكوك را افزايش داد. در مرحله اول از الگوريتم هاي قطعه بندي مثل معماري هاي موفق Unet ،Mask R-Cnn ، faster R cnn، 3D Faster R-CNN،3D-Res2Unet استفاده شده براي جدا سازي نواحي مشكوك كه ندول گفته مي شود و در مرحله دوم بعد از الگوريتم هاي استخراج و انتخاب ويژگي از ناحيه با استفاده از روش هاي سنتي ، راديوميك و روش هاي يادگيري عميق و در گام آخر از شبكه هاي عصبي كانولوشني سه بعدي براي تشخيص خودكار وضعيت EGFR در آدرنوكارسينوماي ريه استفاده شده است.

12/8/2021 12:00:00 AM

73536

1400/10/04

Automatic detection of EGFR mutation status in lung adenocarcinoma on CT imaging using deep convolution neural network model

تصوير برداري سي تي اسكن- پردازش تصوير- استخراج ويژگي- يادگيري عميق- سرطان ريه سلول غيركوچك

: CT scan imaging - image processing - feature extraction۔ Deep learning - Non-small cell lung cancer