25529

بررسي تشخيص تومور و غدد ريوي با بهره‌گيري از تصاوير اولتراسونيك به كمك شبكه‌هاي عصبي

كارشناسي ارشد

مهندسي برق- الكترونيك ـ ديجيتال

1397

1400/6/17

احمد آيت الهي

مهندسي برق

در تشخيص اوليه سرطان، پردازش تصوير به عنوان يك ابزار تصميم گيرنده، پزشكان را در امر آشكارسازي اين بيماري ياري مي‌دهد. شناسايي اوليه سرطان از طريق غربالگري تصاوير مهم‌ترين مشاركت را در كاهش مرگ و مير ناشي از يك سرطان خاص دارد. تصويربرداري پزشكي نقش مهمي در تمامي مراحل پيش‌بيني، غربالگري، شناسايي، مرحله‌بندي، پيش‌آگهي، برنامه‌ريزي درمان، پاسخ به درمان، عود و تسكين سرطان ايفا مي‌كند. در اين پژوهش به منظور ارتقاي دقت تعيين و تشخيص غدد سرطاني در تصاوير ريوي، يك روش تركيبي متشكل از شبكه عصبي مصنوعي و الگوريتم امواج آب مورد استفاده قرار گرفته است. در مجموع 140 تصوير از پايگاه داد TCIA دريافت و از ميان آن‌ها، دو تصوير نرمال و سرطاني را انتخاب و با استفاده از الگوريتم ANN ( به طور خاص مدل MLP ) پس از استخراج و آموزش ويژگي‌ها، طبقه‌بندي شدند. به منظور افزايش دقت تشخيص طبقه‌بندي و ناهنجاري‌هاي بيان كننده غدد سرطاني در ريه، الگوريتم بهينه‌سازي امواج آب (WWO) استفاده شده تا با اعمال آستانه‌گذاري، بخش‌بندي و استخراج ويژگي‌ها، نواحي مربوط به آلودگي سرطاني ريه را تشخيص دهد. نتايج نشان مي‌دهد كه با اعمال الگوريتم WWO، دقت الگوريتم ANN به ميزان 5.86 درصد ، حساسيت آن به ميزان 4.08 درصد و صحت جواب‌ها به ميران 4.94 درصد در تشخيص توده‌هاي ريوي در تصاوير حاصل از الگوريتم ANN بهبودي ايجاد كرده است.

1400/08/29

Evaluation of tumor and lung gland diagnosis using ultrasound images using neural networks

9/8/2022 12:00:00 AM

In the early diagnosis of cancer, image processing as a decision-making tool helps physicians detect the disease. Early detection of cancer through image screening is the most important contribution to reducing mortality from a particular cancer. Medical imaging plays an important role in all stages of prognosis, screening, identification, staging, prognosis, treatment planning, response to treatment, recurrence and cancer relief. In this study, in order to improve the accuracy of determining and diagnosing cancerous glands in pulmonary images, a combined method consisting of artificial neural network and water wave algorithm has been used. A total of 140 images were obtained from the TCIA database, from which two normal and cancerous images were selected and classified using the ANN algorithm (specifically the MLP model) after extracting and training the features. In order to increase the accuracy of diagnosing the classification and abnormalities expressing cancerous glands in the lung, the Water Wave Optimization (WWO) algorithm has been used to detect areas related to lung cancer by applying thresholding, segmentation and extraction of features. The results show that by applying the WWO algorithm, the accuracy of the ANN algorithm is 5.86%, its sensitivity is 4.08% and the accuracy of the answers is 4.94%.