اکرم بیات

اکرم بیات


تاریخ انتشار : Publish : نسخه قابل چاپ Print

پایان­نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش هوش مصنوعی        

 

عنوان:

ارائه روشی ترکیبی برای قطعه­بندی تومور مغزی در تصاویر واقعی MRI

 استاد راهنما:

دکتر حسن ختن­لو


اساتید داور:

دکتر محرم منصوریزاده

دکتر مهدی عباسی


نگارش:

 اکرم بیات

 

25/11/94

ساعت 8:30 آمفی تئاتر


چكيده:

در دنیای امروز، تصاویر پزشکی به عنوان ابزاری قدرتمند در تشخیص بیماری‌ها استفاده می­شوند، که یکی از متداول‌ترین آن­ها برای تشخیص تومورهای مغزی توسط پزشکان، تصاویر تشدید مغناطیسی هستند. با توجه به شایع بودن بیماری تومور مغزی و رشد روزافزون آن، راه‌اندازی یک سیستم خودکار برای قطعه‌بندی تومور، گامی مهم و ضروری در زمینه‌ی پزشکی و درمان به شمار می‌رود.  دراین روش با هدف بهبود دقت، قطعه­بندی تومور در دو بخش اصلی، قطعه­بندی سراسری و قطعه­بندی محلی انجام می­شود. هدف از انجام بخش قطعه­­ بندی سراسری، یافتن تقریبی ناحیه ­ی مورد نظراست که از روش FCM برای انجام آن استفاده می­شود. در بخش قطعه­بندی محلی ابتدا استخراج ویژگی با استفاده از روش­های گابور، هیستوگرام گرادیان­های جهت­دار، الگوی محلی دودویی، اعمال عناصر ساختاری و همچنین ویژگی­های شدت روشنایی انجام می­گیرد. برای کاهش ابعاد بردار ویژگی و نیز کاهش پیچیدگی زمانی از روش PCA برای کاهش ابعاد بهره گرفته می­شود. در ادامه دسته­بندی با دسته­بندهای جنگل­های تصادفی، ماشین بردار پشتیبان با تابع کرنل RBF و k-نزدیکترین همسایه صورت گرفته و با رویکرد ترکیب دمپستر-شفر ترکیب شده و بدین ترتیب دسته­بندی و در نتیجه قطعه­بندی انجام شده و در پایان با استفاده از یک فیلتر اکثریت گام پس­پردازش انجام می­شود. نتایج آزمایشات و مقایسه آن­ها با کارهای پیشین انجام شده در زمینه قطعه­بندی تصاویر تومور مغزی حاکی از کارایی قابل قبول روش پیشنهادی هستند.     





واژه‌های کلیدی:  قطعه­بندی سراسری، FCM، قطعه ­بندی محلی،  قطعه­ بندی تومور مغزی، قطعه­بندی خودکار، دسته­بندی، ترکیب دسته­‌بندها، گابور، هیستوگرام گرادیان­ های جهت­دار، الگوی محلی دودویی، عناصر ساختاری، ویژگی ­های شدت روشنایی، PCA ،فیلتر اکثریت .

Abstract:

In today's world, medical images can be used as a powerful tool in diagnosis, which is one of the most common brain tumors by clinicians to detect, magnetic resonance images. Considering the prevalence of the disease is growing brain tumor and set up an automated system for tumor segmentation, important and necessary step in the field of medicine and treatment is considered. This approach aims to improve the accuracy, tumor segmentation in two main parts, global segmentation, local segmentation is done nationwide. The aim of the national segmentation, finding the approximate area that the FCM method used to do it. The first local segmentation methods using Gabor feature extraction, histogram of oriented gradients, local binary pattern, structural elements and also features a luminous intensity exercise is carried out. To reduce the dimensions of the feature vector and reduce complexity when the method is used PCA to reduce the dimensions. In the following paragraphs random forests classification categories, SVM with RBF kernel function and k- nearest neighbor and a hybrid approach Dempster-Shafer combined, thus resulting segmentation by category and in the end, using a majority filter step post-process done. Test results and compare them with earlier work done in the field of brain tumor segmentation images show that the proposed methods are acceptable.

Key Words:  Local segmentation, Global segmentation, Automatic segmentation, Classification, combine classifier, Ensemble classifier, FCM, PCA, Gabor, HOG, LBP, Structure elements, majority filter, intensity .


 

 اکرم بیات  

ایران-همدان

akram.bayat88@gmail.com

 

09383984833

 

 

سوابق تحصیلی _____________________________________________________

 

مقطع تحصیلی

نام دانشگاه

رشته تحصیلی

گرایش

معدل

زمان

کارشناسی

بوعلی سینا

مهندسی کامپیوتر

نرم افزار

16.52

92-88

کارشناسی ارشد

بوعلی سینا

مهندسی کامپیوتر

هوش مصنوعی

17.83

94-92

 

پروژه های پایانی____________________________________________________

 

عنوان پروژه پایانی

مقطع تحصیلی

استاد راهنما

نمره

پياده سازی سامانه پرسرعت پالایش اینترنت مبتنی بر کارگزار نام دامنه

کارشناسی

دکتر محمد نصیری

19

 ارائه روش ترکیبی برای قطعه بندی تومور مغزی در تصاویر واقعی MRI

کارشناسی ارشد

دکتر حسن ختن لو

_

 

پروژه های انجام شده__________________________________________________

 

ردیف

عنوان پروژه

زبان و تکنولوژی

زمان

1

سیستم آموزش دانشگاه

C , Pascal

سال 88

2

آزمایشگاه فیزیک نور و آینه ها

C++

سال 89

3

ماشین حساب اعداد نامحدود

Java

سال 89

4

الگوریتم های گراف حوزه ی ساختمان داده ها

Java

سال 89

5

ALU

VHDL

سال 89

6

واحد کنترل مرکزی cpu

VHDL

سال 90

 

پایگاه داده کتابخانه

C#

سال 90

7

زمانبندی کارها وآرایشگر

C++

سال 91

8

برقراری ارتباط بین پورت LPT  و یک Lcd   برای نمایش داده ها

C

سال 91

9

شمارنده و تایمر keypad

proteus

سال 91

10

تحلیل وطراحی سیستم نرم افزاری داروخانه

Rational rose

سال 91

11

تحلیل وطراحی سیستم نرم افزاری تربیت مربی کرج

Rational rose

سال 92

12

برنامه فشرده سازی فایل های و تصاویر و برگرداندن آنها با الگوریتم هافمن

C++

سال 91

13

برنامه آموزش با برنامه نویسی سوکت روی پروتکل UDP,TCP

Ubuntu,c++

سال 92

14

برنامه های ترجمه متون ورفع ابهام متون

Wordnet, java

سال 92

15

روش های Find_s وCandidate Eliminate

Java

سال 92

16

کاهش نویز تصاویر با روشSNLM

Matlab

سال 92

17

کاهش نویز تصاویر با روش استنتاج فازی

Matlab

سال 93

18

شناسایی چهره  با استفاده از مقایسه رشته ای

Matlab

سال 92

19

دسته بندی سریع متون با شبکه عصبی SOM

Matlab

سال 93

20

ارائه روشی برای بازیابی مبتنی بر محتوای تصاویر با استخراج ویژگی های بافت و رنگ تصویر با استفاده از مورفولوژی و هیستوگرام رنگی

Matlab

سال 93

21

اتاق گفت و گو

Java

سال 93

 

علایق شخصی ________________________________________________________________________

 

§         پردازش تصویر

§         بینایی ماشین

§         شناسایی آماری اگو

§         داده کاوی

§         CBIR

 

سوابق تدریس ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

 

·         تدریس خصوصی نظریه زبان ها، هوش مصنوعی مقدماتی

·         استاد حل تمرین برنامه نویسی C,C++

سوابق اشتغال ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

 

·         توسعه دهنده ی نرم افزاری جاوا در شرکت فناسا(فن آوری اطلاعات سپهر ایرانیان واقع در تهران) از آذرماه 93 تا مهرماه 94

 

 

آشنا با زبان های برنامه نویسی ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

 

Pascal, C, C++, java,matlab., sql

آشنا با فریم ورک های ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

 

Spring, jsf

آشنا با ابزارهای برنامه نویسی ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

 

Spring tool suit , sql developer , netbeans, Intellij Idea, Eclipse, proteus, quartus, matlab, dev cpp, code blocks, visual studio.

آشنا با سیستم عامل ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

Windows Seven(7), Linux(Ubuntu), Windows Eight(8) ,Vista