پديد آورنده :
رضائي، صفيه
عنوان :
بخش بندي تصاوير هيستوپاتولوژي مبتني بر شبكه هاي عصبي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
هوش مصنوعي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
دوازده، [99]ص. : مصور، جدول، نمودار
استاد راهنما :
شادرخ سماوي
توصيفگر ها :
نمونهبرداري بافت , تصاوير آسيب شناسي بافتي , پردازش تصاوير پزشكي , بخش بندي , دستهبندي , شبكه هاي عصبي , دسته بندي هاي پايه
استاد داور :
محمدعلي خسروي فرد
تاريخ ورود اطلاعات :
1399/12/01
رشته تحصيلي :
مهندسي كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1399/12/03
چكيده فارسي :
چكيده امروزه با توجه به گسترش انواع بيماريها پزشكان براي تشخيص بيماري از راهكارهاي گوناگون تصوير برداري پزشكي استفاده ميكنند در بيشتر مواقع تشخيص زودهنگام انواع بيماريها كمك شاياني به درمان بهموقع آنها ميكند از جمله راهكارهاي تشخيص بيماري ميتوان به نمونهبرداري بافت اشاره كرد امروزه بررسي و مطالعه ميكروسكوپي بافتهاي نمونهبرداري شده كه تحت عنوان آسيبشناسي بافتي شناخته ميشود براي تشخيص و دستهبندي تومورها و ميزان بدخيمي آنها بسيار مورد استفاده قرار ميگيرد وجود اسكنرهاي ديجيتال قابليت توليد تصوير ديجيتالي از اساليدهاي آسيبشناسي بافتي را فراهم ميكند و به همين جهت اين روش در دسته پردازش تصاوير پزشكي قرار ميگيرد پردازش اين تصاوير بسيار وقتگير و پر هزينه است و از طرفي به نيروي متخصص و با تجربه نياز دارد با وجود چالشهاي موجود در پردازش تصاوير پزشكي در سالهاي اخير الگوريتمها و روشهاي مختلف تشخيص پزشكي به كمك رايانه در حوزه بخش بندي و دستهبندي به كمك پزشكان و متخصصان آمده تا در تشخيص به موقع و دقيقتر آنها را ياري نمايند روشهاي موجود در حوزه بخشبندي بر پايه استفاده از ويژگيهاي ظاهري غدد و سلولها در تصاوير و همچنين بر پايه شبكههاي عصبي عميق است روشهايي كه از ويژگيهاي ظاهري استفاده ميكنند معموال روشهاي سريعي هستند در مقابل روشهاي بر پايه شبكه عصبي عميق دقت بخشبندي بهتري ارائه ميدهند در حوزه دستهبندي نيز روشها بر پايه دستهبندهاي پايه و شبكههاي عصبي است روشهاي مبتني بر دستهبندهاي پايه روش هاي سريعتر و روشهاي مبتني بر شبكههاي عصبي روشهاي ك ندتر و در مقابل ارائه دهنده دقت بيشتر هستند در اين پژوهش به طور خاص به بخشبندي غدد در تصاوير آسيبشناسي بافتي روده و دستهبندي سلولها در تصاوير ميكروسكوپي خون ميپردازيم براي مقابله با چالش غدد بهم چسبيده و غدد داراي ساختار نامنظم در موارد بدخيم در قسمت بخشبندي تغييراتي مانند وارونه سازي و احتمالي كردن نقشه درستي را اعمال كردهايم و شبكههاي عصبي عميق آبشاري را بهكار گرفتهايم در بخش دستهبندي با چالشهايي مانند يكسان نبودن تعداد تصاوير در دستهها روبرو بوديم و براي مقابله با آن تغييراتي در دستهها ايجاد كرده و از شبكههاي عصبي نيز جهت دستهبندي استفاده كردهايم نتايج بهدست آمده و مقايسههاي انجام شده نشاندهنده موفقيت روشهاي پيشنهاد شده و حتي برتري آنها نسبت به ساير روشهاي بررسي شده است كلمات كليدي 1 نمونهبرداري بافت 2 تصاوير آسيبشناسي بافتي 3 پردازش تصاوير پزشكي 4 بخشبندي 5 دستهبندي 6 شبكههاي عصبي 7 دستهبندهاي پايه
چكيده انگليسي :
Segmentation of Histopathological Images by Neural Networks Safiyeh Rezaei safiyeh rezaei@ec iut ac ir Date of Submission Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Shadrokh Samavi Nader KarimiAbstractDue to the spread of different diseases physicians use various medical imaging strategies to diagnose thedisease In most cases early diagnosis of a variety of diseases can help treat them on time The biopsy tissueis one of the ways to diagnose the disease Microscopic examination of sampled tissue known ashistopathology is widely used to diagnose and classify tumors and their malignancies The presence of digitalscanners allows the production of digital images from Histopathology slides and therefore this method is inthe category of medical image processing The processing of these images is very time consuming andexpensive On the other hand it requires expert and experienced pathologists In recent years despite thechallenges in processing medical images in the field of segmentation and classification various computer aided Diagnosis algorithms and methods help the doctors and experts in a timely and more accurate diagnosis The existing techniques in segmentation are based on the morphological features of glands and cells in theimages and based on deep neural networks Although Methods that use morphological features are usuallyquick deep neural network based methods that provide better segmentation accuracy In terms of classification the methods are based on basic classifiers and neural networks Basic classificationmethods are faster than neural network based methods but neural network based methods more accurate thanBasic classification methods This thesis focuses on gland segmentation in histopathology images of colonand cell classification in microscopic blood images To address the challenge of glands that stick together andirregularly structured glands in malignant cases in the segmentation section we have made changes such asinversion and probabilistic ground truth and we have used cascading deep neural networks In theclassification section we have challenges such as the inequality of the number of images in various classes To cope with the challenge we made changes to the classes and used neural networks for classification Theobtained results and comparisons show the proposed methods success and even their superiority over othermethods Keywords Biopsy tissue Histopathology Images Medical Image Processing Segmentation Classification Neural Network Basic Classifier
استاد راهنما :
شادرخ سماوي
استاد داور :
محمدعلي خسروي فرد
