محمد مهدی شالچی

محمد مهدی شالچی


تاریخ انتشار : Publish : نسخه قابل چاپ Print

 


دانشکدة فنی و مهندسی  

گروه آموزشی مهندسی کامپیوتر

پايان‌نامه براي دريافت درجه کارشناسی ارشد

در رشته  مهندسی کامپیوتر گرايش هوش مصنوعی

عنوان:

 

تشخیص هوشمند بیماری سرطان سینه در زنان بر اساس تصاویر ماموگرافی با تکیه بر ویژگی های بهینه و ماشین بردار پشتیبان

 

استاد راهنما:

آقای دکتر میرحسین دزفولیان

 

اساتید داور:

دکتر حسن ختن‌لو

دکتر عباس رمضانی

 

نگارش:

محمدمهدی شالچی

 

11/7/96 ساعت 17:30

مکان: آمفی تئاتر

 

 

Bu-Ali Sina University

 

Faculty of engineering

Department of computer engineering

 

Thesis submitted for Master of Science in Computer Engineering-Artificial Intelligence

 

 

 

Title:

Smart diagnosis of breast cancer in women on mammogram images based on optimal features and support vector machine

 

 

Supervisor:

Dr. MirHossein Dezfoulian

 

 

By:

MohammadMehdi Shalchi

 

October, 2017

چكيده:

از دیدگاه بسیاری از افراد، بیماری پستان، مساوی با سرطان پستان است. در حالیکه بیماری‌ها و ضایعات مرتبط با پستان موارد زیادی را شامل می‌شوند که تشخیص آنها توسط پزشکان عمومی، متخصصان زنان و جراحان لازم و ضروری است. سرطان پستان یکی از سرطان‌های شایع در ایران بوده و هرگونه اقدام تشخیصی به هنگام در این مورد می‌تواند جان بسیاری از مبتلایان به این سرطان را نجات بخشد.در این پژوهش بر اساس تصاویر ماموگرافی، روشی به منظور طبقه بندی و تشخیص ماشینی این بیماری درسه مرحله ارائه می‌شود، به طوریکه در مرحله اول ابتدا تصاویر ماموگرافی استخراج می‌شوند، سپس پردازش اساسی به منظور بهبود کیفیت تصاویر توسط روش‌های به منظور حذف نویز و افزایش وضوح تصویر همانند فیلتر و تعدیل هستوگرام استفاده می‌شود. مرحله دوم قسمت‌های مشکوک از تصاویر بر اساس معیار شباهت‌ به بیان تساوی مراکز هسته خوشه‌ها توسط الگوریتم خوشه بندی میانگین فازی (FCM) ؛ جدا شدند. خروجی این قسمت توسط روش پیشنهادی تحلیل مولفه‌های اساسی (PCA) مورد داده‌کاوی قرار گرفت. در نهایت توسط ماشین بردار پشتیبان (SVM) داده‌های قسمت قبل  مورد طبقه بندی قرار گرفتند که در بهترین حالت دقت سیستم به بیش از 94 درصد رسید. در این تحقیق با مطالعه و مقایسه با روش‌های دیگر روش هوشمندی به منظور تشخیص ماشینی بیماری سرطان سینه ارائه شده است.

واژه­های کلیدی: سرطان، بیماری ، تومور پستان، پردازش تصویر، الگوریتم مولفه های اساسی

Abstract:

From the perspective of many people, breast disease is equal to breast cancer.  While breast-related diseases and lesions include many cases that are recognized by general practitioners, gynecologists and surgeons, it is essential. Breast cancer is one of the most common cancers in Iran, and any diagnostic action that can be taken in this case can save the lives of many people with this cancer. In this study, based on mammographic images, a method for categorizing and recognizing the disease is presented in three stages, so that in the first stage mammography images are extracted first, then the basic processing to improve the quality of the images by methods to eliminate noise and increase Image clarity, such as filtering and adjusting the histogram, is used. The second phase of the suspicious areas of the images was separated from the similarity criteria to the equation of the cluster core centers by a fuzzy mean clustering algorithm (FCM). The output of this section has been data mined by the proposed Principal Components Analysis (PCA) method. Finally, the Support vector machine (SVMs) were classified the data from last section, which at best accurately accounted for more than 94%.

 

Key Words: Cancer, disease, breast tumor, image processing, principal components algorithm

 

بسمه تعالي

 

1- مشخصات فردي :

 

نام و نام خانوادگی: محمدمهدی شالچی

محل تولد: همدان

تاریخ تولد: 13/09/1369

وضعیت تاهل:   مجرد     متاهل

وضعیت نظام وظیفه:   پایان خدمت       معافیت دائم          معافیت تحصیلی

شماره همراه : 09183139170

شماره تماس : 09183139170

نشانی وب سایت :   -

پست الکترونیکی: mahdi.shalchi88@gmail.com

       

 

 

 

2- سوابق تحصيلي :

معدل

کشور/ شهر محل تحصیل

نام واحد آموزشی

مدت تحصیل

گرایش

رشته تحصیلی

مقطع تحصیلی

16.73

ایران - همدان

علامه حلی تیزهوشان

1387

1383

ریاضی

ریاضی

دیپلم

15.06

ایران - همدان

دانشگاه بوعلی‌سینا

1392

1388

نرم‌افزار

مهندسی کامپیوتر

لیسانس

17.16

ایران - همدان

دانشگاه بوعلی‌سینا

136

1393

هوش مصنوعی

مهندسی کامپیوتر

فوق لیسانس

 

 

 

 

 

 

3-  مهارت در زبان خارجی :

زبان

Reading

Writing

Speaking

انگلیسی

خوب

خوب

متوسط

         

 

 

4-  مهارت هاي تخصصي:

نام مهارت

ميزان تسلط

ICDL

میزان تسلط به این مجموعه (Word , Excel , Power Point , … ) : خوب

آشنایی با زبان‌های برنامه‌نویسی

مسلط به زبان‌های : C# , Matlab و کار با پایگاه داده های مختلف (SQL , LINQ , Access)

آشنا با زبان‌های : C , C++ , Visual Basic .NET , Java , Pascal , JavaScript , PHP

پژوهشی

سیستمهای فازی

روابط فضایی فازی

پردازش تصاویر پزشکی

فشرده سازی و رمز تصاویر

تشخیص الگو و روشهای کلاسبندی

الگوریتم ژنتیک و استخراج داده

 

توضیحات تکمیلی :

اینجانب در حال تحصیل در مقطع کارشناسی ارشد ، رشته مهندسی کامپیوتر هوش مصنوعی می‌باشم .

 تمام واحد‌های درسی گذرانده شده و در حال تکمیل پایان‌نامه می‌باشم .