7986

شناسايي و دسته بندي غده هاي ريه در تصاوير سي تي اسكن با استفاده از شبكه هاي همگشتي سه بعدي

1399

دكتر محمدرضا محمدي

شناسايي غده¬ها و دسته¬بندي آن¬ها نقش بسيار مهمي در درمان زودهنگام بيماران و كاهش ميزان مرگ-ومير دارد و هرچه اين بيماري سريع¬تر شناسايي و درمان شود، نرخ مرگ¬ومير بشدت پايين مي¬آيد. با توجه با اين¬كه غده و بافت¬هاي اطراف شباهت¬هاي زيادي دارند، اين موضوع كار را براي يك مدل كه وظيفه شناسايي و دسته¬بندي غده¬ها را دارد، سخت مي¬كند. مدل¬هاي دو بعدي پياده¬سازي شده، توانايي خوبي در امر شناسايي و دسته بندي تصاوير سه بعدي را ندارند. دليل اين امر از دست رفتن اطلاعات مهمي ¬است كه درصورت استفاده از شبكه دوبعدي، شبكه عمق رادر نظر نمي¬گيرد. در اين گزارش سعي شده است تا نقاط ضعف و قوت شبكه¬هاي سه¬بعدي در حوزه تصاوير پزشكي مطرح شوند و چندي از شبكه¬ها و ايده¬هاي مطرح شده با هم مقايسه شوند. در ابتدا بخش تشخيص غده مورد بررسي قرار مي¬گيرد و شبكه¬هاي دومرحله¬اي و تك مرحله¬اي با هم مقايسه مي¬شوند. شبكه¬هاي دو مرحله¬اي از يك دسته¬بند اضافي استفاده كرده و سعي بر يافتن نواحي كه به اشتباه تومور تشخيص داده شده¬اند، دارند. از ديگر ايده¬ها و بلوك¬ها و سازوكار¬ها در شبكه ها استفاده شده است تا دقت را بالا ببرند. براي يادگيري ويژگي¬هاي ساختاري از يادگيري خودنظارتي براي استفاده از داده¬هاي بدون برچسب استفاده ¬مي¬شود و اين كار باعث بهبود كيفيت تعميم¬دهي شبكه مي¬گردد. در بخش دسته¬بندي غده¬ها نيز عوامل مهمي هم¬چون چندمقياسه بودن و سازوكار توجه مورد بحث قرار گرفته است. با مطالعه¬هاي انجام شده سعي بر اين است كه بتوانيم مدلي طراحي¬ كنيم كه دقتي بالاتر داشته باشد. دقت بالا در اين حوزه بسيار مهم است و ممكن است يك تشخيص غلط منجر به مرگ بيمار شود. در اين-جا سعي شده است تا با مطالعه دقيق مدل¬هاي مطرح شده، نقاط ضعف و چالشي آن¬ها را استخراج كرده و براي بهبود اين نقاط ضعف چاره¬انديشي كنيم و ايده و راه¬حلي ارائه دهيم تا دقت اين مدل¬ها را نه¬تنها براي تصاوير موجود در دامنه آموزش بلكه روي تمام تصاوير سي تي اسكن موجود بالا ببريم.

12/23/2020 12:00:00 AM

69919

1399/10/27

Lung nodule detection and classification in CT-scans using 3D convolutional networks

تصاوير سي¬تي اسكن , شبكه¬هاي عميق , شناسايي غده , دسته¬بندي غده

3DCNN , CT-Scan , 3D Network , Nodule detection , Nodule classification