نویسنده : آلاله قربان پور

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي برق- الكترونيك

استاد راهنما (استاد مدعو) : , مهيار نيرويي,

چكيده : چکیده: در این تحقیق هدف طراحی، شبیه سازی، بررسی و مقایسه سیتم های CAD می باشد که قادر به شناسایی خودکار توده ها در تصاویر ماموگرافی با دقت بالایی باشند. روش پیشنهادی ما در این پایان نامه از 4 مرحله اصلی تشکیل شده است. این 4 مرحله، شامل پیش پردازش، استخراج نواحی مشکوک به توده، استخراج ویژگی با استفاده از موجک، از نواحی مشکوک و دسته بندی می باشد. همه مراحل در فصل های جداگانه به همراه جزئیات بحث می شود. که دراین تحقیق،55 تصاویر ماموگرافی دیجیتال را از پایگاه دادهMIAS گرفته و تصاویر را به نرم افزار خود وارد کرده و نرم افزار آن را تجزیه و تحلیل می کند. در مرحله اول قبل از تجزیه وتحلیل در مرحله پیش پردازش راهکارهایی جهت بهبود کیفیت تصویر ماموگرافی و حذف مناطق اضافی توضیح داده(WAVELET)جهت استخراج ویژگی عبارت اند از: Contrast،Variance،Energy ،Curtosis ،Mean و Smoothness برای تصویر ماموگرافی استخراج می شوند. در مرحله سوم نیز از طریق شبکه عصبی خود سازمانده به یادگیری وطبقه بندی کردن تصاویر می پردازیم و نواحی مشکوک را از نواحی غیر مشکوک با روش ماشین بردار پشتیبان(SVM) جداسازی می کنیم.تا نمونه های سرطانی از غیر سرطانی تفکیک گردددر نتیجه، آزمون و تست مقدماتی در ماموگرافی نشان داده، که حداکثر 73/81 درصد دقت طبقه بندی با استفاده از روش ماشین بردار پشتیبان( SVM) وجود دارد. کلمات کلیدی:سرطان سینه، ماموگرافی، شبکه های عصبی مصنوعی ،ماشین بردار پشتیبان

تاريخ دفاع : 1395-6-20