پديد آورنده :
اكبري، مجتبي
عنوان :
تشخيص پليپ در تصاوير سيستم گوارش انسان
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مخابرات سيستم
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
هشت، ۱۰۰ص.: مصور، جدول، نمودار
استاد راهنما :
شادرخ سماوي
توصيفگر ها :
تشخيص انعكاس , حذف نواحي انعكاس , ترميم تصاوير پزشكي , شبكههاي عميق كانولوشني , تشخيص پليپ در تصاوير كولونوسكپي , بخشبندي پليپ در تصاوير كولونوسكپي
تاريخ ورود اطلاعات :
1397/02/22
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده سرطان رودهي بزرگ يكي از شايعترين انواع سرطانها در دنيا است پليپها از اصليترين عوامل سرطان در رودهي بزرگ هستند تشخيص زودهنگام پليپها منجر به تشخيص سرطان رودهي بزرگ در مراحل اوليه خواهدشد و به درمان آن كمك بسياري خواهدكرد از طرفي عموما در تصاوير سيستم گوارش به دليل وجود منبع نور در دستگاه و همينطور مرطوب بودن سطح روده تصاوير داراي نواحي انعكاسي هستند كه به صورت نواحي بسيار روشن در تصوير مشهود هستند وجود اين نواحي انعكاسي در تصاوير منجر به كاهش كيفيت نتايج اجراي الگوريتمهاي پردازش تصوير در تصاوير دستگاه گوارش ميشود روشهاي پيشين از دقت مناسبي به دليل چالشهاي موجود در تشخيص اين نواحي برخوردار نبودند در اين پايان نامه روش پيشنهادي براي تشخيص نواحي انعكاسي در تصوير يك الگوريتم وفقي است كه براساس ويژگيهاي آماري تصوير روش پيشنهادي در فضاي رنگ HSV يا RGB را براي تشخيص نواحي انعكاسي در نظر ميگيرد روش پيشنهادي براي تشخيص نواحي انعكاسي در فضاي رنگ RGB براساس آستانهگذاري برروي كانالهاي رنگي اين فضا ناحيهي انعكاسي را بخشبندي ميكند و روش پيشنهادي در فضاي رنگ HSV براساس ويژگيهاي هريك از كانالهاي رنگي در اين فضا يك تابع هزينه معرفي ميكند كه بهكمك اين تابع هزينه و آستانهگذاري براساس ويژگيهاي آماري تصوير حاصل از اين تابع هزينه نواحي انعكاسي را بخشبندي ميكند روش پيشنهادي براي حذف نواحي انعكاسي نيز براساس ويژگيهاي محلي تصوير ناحيهي مدنظر را پر ميكند روش پيشنهادي براي تشخيص نواحي انعكاس برروي مجموعه تصوير مورد استفاده به دقت 69 22 دست يافتهاست روش پيشنهادي براي تشخيص و بخشبندي پليپ در تصاوير كولونوسكپي براساس شبكههاي عميق كانولوشني است براي تشخيص پليپ يك شبكهي عصبي عميق كانولوشني از نوع طبقهبندي كننده پيشنهاد شد روش پيشنهادي براي تشخيص پليپ در تصاوير كولونوسكپي با استفاده از روشهاي باينري كردن وزنها براي پيادهسازي برروي سخت افزارهاي پزشكي آماده شدهاست كه برروي مجموعه تصاوير مورد استفاده به دقت 69 52 دست يافتهاست روش پيشنهادي براي بخشبندي پليپ نيز براساس شبكهي كانولوشني بخشبندي كننده بوده كه برروي مجموعه تصوير مورد استفاده به مقدار حساسيت 9 66 دست يافتهاست كلمات كليدي 1 تشخيص انعكاس 9 حذف نواحي انعكاس 9 ترميم تصاوير پزشكي 4 شبكههاي عميق كانولوشني 5 تشخيص پليپ در تصاوير كولونوسكپي 9 بخشبندي پليپ در تصاوير كولونوسكپي
چكيده انگليسي :
Polyp Detection in Human Digestive System Images Mojtaba Akbari mojtaba akbari@ec iut ac ir Date of Submission 2018 2 5 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Dr S Samavi samavi96@cc iut ac irAdvisor Dr N Karimi nader karimi@cc iut ac irAbstractColorectal cancer is one of the common cancers in the world Polyps are the maincause of colorectal cancer Early detection of polyps will increase chance oftreatment In medical imaging systems especially in digestive systems imaging cameras carry flash lights and reflection of this light into humid surface of colonwill cause specular reflection In this thesis we proposed adaptive method based onstatistical features in both RGB and HSV color space for detection of specularreflections Our proposed inpainting method has two main stages which in the firststage we select best patch based on our proposed cost function to replace intoreflection section and in the second stage we use edge smoothing method toovercome unwanted edges resulting from first stage of inpainting method Weevaluated our proposed method in detection and inapinting of specular reflection onavailable colon database Our proposed method reached 99 68 of accuracy whichoutperforms previous works in detection of specular reflections The method weproposed for detection of colorectal polyps uses deep convolutional neural network We also binarized weights of proposed CNN architecture in training phase forhardware implementation in future works We evaluated our proposed method oncolon database and proposed method reached 90 28 of accuracy Our proposedmethod for segmentation of colorectal polyp uses Fully Convolutional Network forsegmentation of candidate polyp regions and non linear support vector machine forpost process and selecting polyp region between all candidate regions We alsoevaluate our proposed method and our segmentation method reached 88 6 ofsensitivity which outperforms previous method in segmentation of colorectal polypsin the same database Keywords Specular Reflection Detection Inpainting of Specular reflections Medical ImageInpainting Deep Convolutional Neural Networks Polyp Detection in ColonoscopyImages Polyp Segmentation in Colonoscopy Images
استاد راهنما :
شادرخ سماوي
