نویسنده : سبحان رمضانی کوکنه

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي برق- الكترونيك

استاد راهنما (عضو هیات علمی مرکز) :پیمان بیات, ,

چكيده : هدف این پایان¬نامه ، ارائه روشی جدید برای استخراج ویژگی¬ از تصاویر به منظور بالا بردن دقت تشخيص سرطان پوستي ملانوم می¬باشد . پوست‌های رنگینه به سه دسته خوش‌خیم ، دیسپلاستیک و ملانوما تقسیم می‌شوند . ملانوما نوعی سرطان پوست بوده و اغلب در سلول¬هایی از پوست به نام ملانوسيت شروع می¬شود . در قسمت¬هايي از جهان بخصوص دركشورهاي غربی ، ملانوما بیشتر از سایر مناطق بوده است. تشخيص ملانوما درمراحل نخست بيماري مي¬تواند بطور چشمگيري از مرگ ناشي از اين سرطان مهلك پوست جلوگيري نمايد . از آن¬جاييكه تشخيص اين بيماري در مراحل نخست ، حتي توسط پزشكان كارآمد به سختي انجام مي¬پذيرد ، ارائه روشي كه تشخيص ملانوما را در مراحل اوليه آسان نمايد بسيار مفيد و ارزنده است . در روش پیشنهادی ابتدا تصاویر درماتوسکوپی تحت ¬پیش¬پردازش¬های لازم قرارگرفته سپس با مرزبندي دقيق تصوير ، به استخراج ويژگي¬هاي مناسبي از ضايعات پوستي پرداخته و ويژگي¬هاي استخراج شده در يك بردار با نام بردار ويژگي قرار داده شده¬اند. در نهایت، به کارگیری روش طبقه‌بندی مناسب و کارآمد مانند شبکه¬های عصبی (NN) و ماشین بردار پشتیبان (SVM) جهت تفکیک ضایعات پوستی بمنظور تشخیص نوع بیماری فرد مبتلا ، موثر خواهد بود. از آن-جا که مهمترین مرحله برای تشخیص سرطان پوست از روی تصاویر، استخراج ویژگی¬های مهم مربوط به ضایعه¬های پوستی در تصویر است ، ما در این پایان¬نامه روی این مرحله مهم ، تمرکز می¬کنیم . اين الگوريتم با دقت حدود 94 % درتشخيص ملانوما موفق بود . نتایج حاصل از شبیه¬سازی ، نشان¬دهنده سادگی و دقت بالای روش ارائه شده در توسعه و پياده¬سازی و تشخیص زودهنگام سرطان پوست(ملانوما)در مقایسه با روش¬های پیشین است.

تاريخ دفاع : 1396-12-13