عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
۹۸۵۹۳پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
فارسی
عنوان و نام پديدآور
عنوان اصلي
ارزیابی صحت تشخیصی DWI و DCE-MRI جهت افتراق توده‌های بدخیم و خوش‌خیم پستان بر اساس رویکرد آموزش ماشینی یا machine learning approach بر روی بیماران مراجعه‌کننده به بیمارستان امام خمینی بین سال‌های ۱۳۹۹ تا ۱۴۰۰
نام عام مواد
[پایان نامه]
نام نخستين پديدآور
علیرضا وطنخواه
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
تاریخ نشرو بخش و غیره
۱۴۰۱
مشخصات ظاهری
نام خاص و کميت اثر
۷۰ص
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری تخصصی
نظم درجات
رادیولوژی
زمان اعطا مدرک
۱۴۰۱/۰۸/۲۴
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
مقدمه و هدف: سرطان پستان یکی از خطرناک‌ترین نوع بیماری‌ها است و تشخیص این سرطان در مرحله اول به نجات جان انسان کمک می‌کند زیرا می‌تواند درمان بالینی به‌موقع را برای بیماران ترویج دهد. طبقه‌بندی دقیق بیشتر تومورهای خوش‌خیم می‌تواند از درمان‌های غیرضروری بیماران جلوگیری کند. در این مطالعه عملکرد تشخیصی مدل‌های Pyradiomics تصویربرداری MRI چند پارامتری به‌منظور تشخیص ضایعات خوش‌خیم و بدخیم پستان بررسی گردید. روش کار: تصاویر DWI و DCE-MRI از 130 بیمار زن دارای ضایعات پستان (61 ضایعه خوش‌خیم و 69 ضایعه بدخیم) متشکل از مجموعه داده‌های DCE و T2w و ADC ارزیابی شد. جریان کار آموزش ماشین، در زبان برنامه‌نویسی پایتون شامل تعیین ROIگذاری، استخراج ویژگی‌ها، روش‌های ارزیابی ویژگی‌ها و طبقه‌بندی آنان بود. در فرایند انتخاب ویژگی‌ها از الگوریتم RFE در آنالیز 2 بعدی استفاده شد. 9 طبقه‌بندی برای تمایز ضایعات خوش‌خیم و بدخیم آزمایش شدند. عملکرد طبقه‌بندی انجام شده با آزمون ROC ارزیابی شد. یافته ها: نتایج نشان داد بر اساس ویژگی‌های تصاویر اصلی MRI، 2 طبقه‌بندی شامل Bagging و Voting ensemble بالاترین سطح زیر منحنی (AUC) به دست آوردند که دقت، ویژگی، حساسیت و سطح زیر منحنی ROC در روش Bagging به ترتیب 0.82، 0.88، 0.81 و 0.84 و در روش Voting ensemble به ترتیب 0.82، 0.88، 0.84 و 0.80 بود. همچنین بر اساس تصاویر اصلی به همراه تصاویر موجک در طبقه‌بندی Decision Tree بالاترین دقت تشخیص به دست آمد که به ترتیب دقت، ویژگی، حساسیت و سطح زیر منحنی ROC برابر با 0.85، 0.85، 0.85 و 0.85 بود.نتیجه گیری: به‌طورکلی ادغام روش‌های آموزش ماشین در تصاویر DWI و DCE-MRI دارای عملکرد تشخیصی بالایی در تمایز ضایعات خوش‌خیم و بدخیم دارد.
موضوع (اسم عام یاعبارت اسمی عام)
عنصر شناسه ای
پستان
عنصر شناسه ای
Breast
تقسیم فرعی موضوعی
-- سرطان
تقسیم فرعی موضوعی
-- Cancet
داده رابط بین فیلدها
a09
داده رابط بین فیلدها
a09
موضوع مستند نشده
MRI
موضوع مستند نشده
DWI
موضوع مستند نشده
آموزش ماشینی
موضوع مستند نشده
Machine learning
موضوع مستند نشده
صحت تشخیص
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
کد نقش
، پدیدآور
مستند نام اشخاص تاييد نشده
وطنخواه، علیرضا
نام شخص - ( مسئولیت معنوی درجه دوم )
کد نقش
، استاد راهنما
کد نقش
، استاد مشاور
کد نقش
، استاد مشاور
مستند نام اشخاص تاييد نشده
گیتی، معصومه
مستند نام اشخاص تاييد نشده
مرادی، بهناز
مستند نام اشخاص تاييد نشده
سلیقه راد، حمیدرضا
شناسه افزوده (تنالگان)
عنصر شناسه اي
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
مبدا اصلی
کشور
ایران
تاريخ عمليات
20221205
شماره دستیابی
شماره بازیابی
۱۳۹۲۲ت
داده هایی که از فرمت مبدا برگردانیده نشده است
شماره فيلد فرمت مبدا
دانشگاه علوم پزشکی تهران، کتابخانه دانشکده پزشکی
وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
TF
کد کاربرگه
92029
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
