20587

۲۰۵۸۷

تشخيص تومور (نودال) ريه با استفاده از يادگيري عميق

كارشناسي ارشد

الكترونيك - سيستم هاي الكترونيك ديجيتال

۱۳۹۵

۱۳۹۷/۱۲/۱۸

دكتر كريم محمدي

برق

سرطان ريه، يك بيماري خطرناك است و هر ساله موجب مرگ بيش از يك ميليون انسان در سراسر جهان مي شود. گاهي اوقات در ريه، بافت هاي مشكوكي مشاهده مي شود كه از آن ها با عنوان نودال ريه ياد مي شود. سرطان ريه در مراحل اوليه تشكيل شدن، به شكل نودال ريه مشهود است و براي تعيين اينكه آيا كسي به سرطان ريه مبتلا خواهد شد، بايد به دنبال مراحل اوليه ي تشكيل نودال هاي بدخيم بگرديم. نودال هاي ريوي انواع و اشكال مختلفي دارند و حتي تمامي آن ها بدخيم و سرطاني نيز نيستند. همين تفاوت بسيار زياد در شكل نودال ها و نيز كوچك بودن ابعاد آن ها موجب سخت تر شدن عمل تشخيص نودال ها شده است. در اين پايان نامه تلاش شده است تا با استفاده از روش هاي نوين و به ويژه الگوريتم هاي يادگيري ماشين و يادگيري عميق، به بررسي غربالگري سرطان ريه بپردازيم. در طي انجام اين پژوهش، يك سيستم تشخيص خودكار براي تشخيص نودال ريه، طراحي و پياده سازي شده است و جزئيات و توضيحات مربوط به آن، در اين پايان نامه آورده شده است. قسمت رمزگذار معماري مورد استفاده در شبكه ي پيشنهادي، از معماري NASNet برگرفته شده است و قسمت رمزگشا را با تحقيق و بررسي هاي فراوان، طراحي كرده ايم. در اين پروهش، از روش بخش بندي براي تشخيص نودال ريه استفاده شده است و شاخص دايس براي بخش بندي نودال ريه برابر با %69.96 است و حساسيت معماري پيشنهادي براي تشخيص نودال ريه برابر با 80.12% مي باشد. واژه‌هاي كليدي: سرطان ريه، نودال ريه، يادگيري عميق، يادگيري ماشين

1398/03/11

Pulmonary nodule detection Based on Deep Learning

3/9/2019 12:00:00 AM

Lung cancer is an aggressive disease resulting in more than one million deaths per year worldwide. Sometimes there is a suspicious tissue in the lungs, which is referred to as a lung nodule. Early stage lung cancer generally manifests in the form of pulmonary nodules and to determine if someone will develop lung cancer, we have to look for early stages of malignant pulmonary nodules. Pulmonary nodules have different types and forms, and even all of them are not malignant or cancerous. This great difference in the shape of nodules, as well as their small size, makes nodule detection more difficult. In this thesis, we have tried to study the lung cancer screening, by using modern methods, in particular machine learning and deep learning algorithms. During this research, an automatic diagnostic system for the diagnosis of pulmonary nodule has been designed and implemented, and details and explanations related to it are presented in this thesis. The encoder part of the proposed architecture, is NASNet-mobile and we designed the decoder part, with a lot of investigation and trial and error. In this research, the segmentation method is used for detecting lung nodules. We achieved for dice coefficient in segmentation and for sensitivity measure. Keywords: Lung Cancer, Pulmonary Nodule, Deep Learning, Machine Learning