عنوان

تشخیص برجستگی با شبکه عصبی کانولوشنی

کد کشور

IR

شماره

۴۵۹۲پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

تشخیص برجستگی با شبکه عصبی کانولوشنی

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Saliency Detection with Convolutional Neural Networks

نام نخستين پديدآور

/نسیم ذوالفقاری

نام ناشر، پخش کننده و غيره

: مهندسی برق

تاریخ نشرو بخش و غیره

، ۱۳۹۹

نام خاص و کميت اثر

۹۷ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی برق- مخابرات سیستم

زمان اعطا مدرک

۱۳۹۹/۰۶/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

تشخیص برجستگی، توجه زیادی را در زمینه فن‌آوری بینایی رایانه‌ای در طول سال‌ها به خود جلب کرده‌است .در حال حاضر، بیش از ۱۰۰مدل تشخیص برجستگی پیشنهاد شده‌است .طبقه بندی و ظاهر اشیاء برجسته در تصاویر مختلف متفاوت است، بنابراین تشخیص برجستگی یک کار خاص برای تصویر است‌؛ که کاربرد های تکنیک تشخیص برجستگی به طور گسترده ای در زمینه های بازیابی تصویر، تشخیص شی، تقسیم بندی تصویر، خلاصه سازی ویدئو و بازیابی، فشرده سازی تصویر و ویدئو، پزشکی و غیره می باشد .ازجمله کاربردهای آن در پزشکی تشخیص ضایعات درنواحی مختلف بدن است .سرطان سینه یکی از شایع ترین نوع سرطان بین زنان ونوع درجه بالای آن علت عمده ی مرگ ومیر ناشی از سرطان در زنان ومردان است .تشخیص زودهنگام سرطان سینه می تواند به افزایش کارآیی درمان کمک کند و از این رو باعث کاهش نرخ بالای تلفات در بیماران مبتلا به سرطان سینه می شود .سیستم های شناسایی به کمک رایانه می توانند به رادیولوژیست کمک کنند تا ضایعات سینه را به روشی سریعتر و مؤثرتر تشخیص دهد .در این پژوهش، یک معماری جدید برای تشخیص ضایعه سینه با استفاده ازیادگیری عمیق در تصاویر ماموگرافی پیشنهاد گردیده است .روش پیشنهادی از مراحل :یکنواخت سازی هیستوگرام، عملگرهای مورفولوژیک ، طرح رنگی و شبکه های عصبی کانولوشنی با معماریVGG ۱۶ به عنوان گامهای اساسی استفاده می کند .این معماری می تواند به طور موثری وضعیت تصویر را بهبود بخشد، آثار غیرواقعی را از بین می ببرد، ناحیه سینه را از پس زمینه خارج می کند، تفاوت در تصاویر را برجسته، و ویژگی های مفید را استخراج می کند و در آخر نیز ضایعات سینه را تشخیص می دهد .ارزیابی عملکرد در تصاویر ماموگرافی پایگاه دادهIN breast نشان می دهد که این روش می تواند نتایج امیدوارکننده ای با حساسیت ۹۶ ، دقت ۹۶ ، شاخصF ۹۶-۱ ، صحت ۹۶ و AUC ۹۹ داشته باشد

متن يادداشت

Early detection of breast cancer can increase treatment efficiency and therefore decline the high rate of moralities in patients with breast cancers. Computer-aided detection systems can help radiologists to detect breast mass lesions in a faster and more efficient way. This study proposed BMLDD, a new pipeline for breast mass lesion detection by a deep learning method using mammographic images. The proposed method uses histogram stretching, morphological operations, color-map, and a CNN with VGG16 architecture as its fundamental steps. This pipeline can efficiently improve the image condition, remove artifacts, extract breast region from the background, highlight the differences in images, extracting useful features, and finally detect the breast masses. The performance evaluation on INbreast mammographic images has shown that BMLDD can yield promising results with 96 Sensitivity, 96 Precision, 96 F1-score, 96 Accuracy and 99 AUC. Moreover, the comparisons verified that BMLDD performed better than other state-of-the-art methods. Consequently, BMLDD is an efficient method for breast mass lesion detection

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Saliency Detection with Convolutional Neural Networks

موضوع مستند نشده

تشخیص برجستگی

موضوع مستند نشده

سرطان سینه

موضوع مستند نشده

تشخیص ضایعه

موضوع مستند نشده

یادگیری عمیق

موضوع مستند نشده

شبکه های عصبی کانولوشنی

اصطلاح موضوعی

Breast cancer mass lesion detection Deep learning Morphological operation Mass detection Convolutional neural network

اصطلاح موضوعی

تشخیص برجستگی، سرطان سینه، تشخیص ضایعه، یادگیری عمیق، شبکه های عصبی کانولوشنی

مستند نام اشخاص تاييد نشده

ذوالفقاری، نسیم

مستند نام اشخاص تاييد نشده

ابراهیمی، افشین، استاد راهنما

کشور

ایران

تاريخ عمليات

20230813

شماره بازیابی

برق ،۱۰۶۸۳ ،۱۳۹۹

نام ميزبان

ی‌نشولوناک‍ ی‌بصع‍ ه‌کبش‍ اب‍ ی‌گتسجرب‍ ص‌یخشت‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

6137.pdf

تاريخ و ساعت مذاکره و دسترسي

b10683.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۴۵۹۲

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y