طراحي و شبيه سازي الگوريتمي جهت طبقه بندي تصاوير بافت شناسي سرطان سينه

كارشناسي ارشد

چكيده سرطان پستان به نوعي سرطان گفته مي‌شود كه از بافت پستان آغاز مي‌شود. در سراسر دنيا، سرطان سينه مهم‌ترين نوع سرطان در زنان است و 25 درصد از تمام موارد سرطان را به خود اختصاص مي‌دهد. تشخيص و شناسايي سرطان سينه مي‌تواند با روش‌هاي تصويربرداري مانند ماموگرافي تشخيصي، تصويربرداري تشديد مغناطيسي، فراصوت و حرارت‌نگاري انجام شود. با اين حال، براي تشخيص سرطان، بافت‌برداري تنها راه مطمئن است. اين روش شامل نمونه‌هاي جمع‌آوري شده سلول‌ها يا بافت سينه مي‌باشد كه در سراسر اسلايد ميكروسكوپ براي رنگ‌آميزي و بررسي ميكروسكوپي بصورت ثابت قرار گرفته‌اند. تشخيص از روي تصاوير بافت¬شناسي بهترين روش جهت تشخيص انواع سرطان‌ها از جمله سرطان سينه مي‌باشد.اين مسائل مي‌توانند توسط روش غربال‌گري خودكار كه روش‌هاي كارآمد و دقيقي را ارائه مي‌دهند، بررسي شوند. با توجه به خطاي انساني در تشخيص سرطان از روي تصاوير بافت¬شناسي، در اين پروژه سعي شد تا الگوريتمي براي تشخيص خودكار و مستقل از عامل انساني سلول‌هاي سرطاني ارائه شود. ما در اين پايان¬نامه از مجموعه داده BreaKHis كه يك مجموعه داده بزرگ نسبت به ديگر داده¬ها در زمينه تصاوير سرطان سينه است استفاده كرديم. بدليل زياد بودن تعداد داده¬ها، نتايج بدست آمده از ين مجموعه داده قابل اطمينان‌تر است. با توجه به پيچيدگي بافت‌هاي سينه و در نتيجه تصاوير بافت‌شناسي سينه، استخراج ويژگي از اين تصاوير بسيار حائز اهميت مي‌باشد. ما با استفاده از 8 توصيف-گر مختلف استخراج ويژگي كرديم و با توجه به پيچيدگي بالاي تصاوير بافت‌شناسي، روش‌هاي متنوع انتخاب ويژگي جهت بهبود كارايي مدل روي ويژگي¬ها اعمال كرديم تا بهترين ويژگي‌هايي را كه منجر به حداكثر تفكيك‌پذيري بين تصاوير خوش¬خيم و بدخيم مي¬شود را بدست بياوريم. سپس جهت طبقه‌بندي از چهار نوع طبقه‌بند استفاده شد و جهت ارزيابي مدل، ماتريس اختلاط و منحني ROC را بدست آورديم. معيار ارزيابي صحت در اين روش، به ميزان 9/2 درصد بهبود پيدا كرد. در نهايت، معيارهاي AUC، صحت، اختصاصيت و حساسيت نشان از برتري و رقابتي بودن اين الگوريتم در قياس با ساير الگوريتم‌هاي بكار برده شده در اين حوزه را دارد. واژه‌هاي كليدي: سرطان سينه، تصاوير بافت¬شناسي و توصيف¬گر

191712

دانشگاه علم و صنعت ايران

الكترونيك - ديجيتال

دكتر علي صدر