عنوان

ناحیه‌بندی و طبقه‌بندی سلول‌های سرطانی دهانة رحم در تصاویر پاپ‌اسمیر

کد کشور

IR

شماره

۴۶۴۲پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

ناحیه‌بندی و طبقه‌بندی سلول‌های سرطانی دهانة رحم در تصاویر پاپ‌اسمیر

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Segmentation and Classification of Cervical Cancer Cells in Pap Smear Images

نام نخستين پديدآور

/نسترن حیدری

نام ناشر، پخش کننده و غيره

: مهندسی پزشکی

تاریخ نشرو بخش و غیره

، ۱۴۰۱

نام خاص و کميت اثر

۸۳ص.

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 پزشکی- بیوالکتریک

زمان اعطا مدرک

۱۴۰۱/۰۶/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

پیش سرطان، تغییرات سلولی هستند که اگر با روش صحیح درمان نشوند ممکن است به نوع سرطانی تبدیل شوند .سرطان نوعی از بیماری است که در آن سلول‌های غیرطبیعی به‌صورت کنترل نشده تکثیر یافته و می‌توانند بافت‌های مجاور را درگیر کنند .سرطان قابل پیشگیری است و با تشخیص به‌موقع قابل درمان می‌باشد .سرطان دهانة رحم به لحاظ میزان شیوع در رده‌بندی چهارم قرار دارد .آزمون پاپ‌اسمیر برای تشخیص زودهنگام سرطان و پیش سرطان رحمی در کشور متأسفانه اغلب به‌صورت نمونه‌گیری از بافت موردمطالعه و شمارش و تشخیص سلول‌های نمونه بر روی لام میکروسکوپ و به‌صورت دستی انجام می‌شود .این روش پرهزینه و زمان‌بر بوده و احتمال بروز خطای انسانی در آن بسیار بالا است که موجب کاهش صحت، دقت و حساسیت نتایج می‌شود .نمونه‌های غربالگری پاپ اسمیر خودکار با اینکه دارای مشکلات بالا نیستند ولی دارای نقصان‌های عملیاتی نظیر بروز خطاهای غربالگری هستند .در این مطالعه روشی نوین و خودکار مبتنی بر الگوریتم‌های یادگیری ژرف ارائه گردیده است که بتوان مشکلات نامبرده را حذف یا به طریقی به حداقل رساند .مطالعه‌ی حال حاضر استفاده از یک سیستم هوشمند را پیشنهاد می‌دهد که تصاویر پاپ‌اسمیر را با استفاده از یادگیری ژرف به‌منظور تشخیص دش‌ریختی رحمی( رشد نابهنجار بافت ها یا اندام) دسته‌بندی می‌کند .در این تحقیق تصاویر پاپ اسمیر موجود در پایگاه‌دادة هرلو جهت آموزش و ارزیابی به‌عنوان ورودی در اختیار الگوریتم پیشنهادی قرار می‌گیرد .گام اول از الگوریتم پیشنهادی بخش پیش‌پردازش داده‌هاست .در این گام با اعمال یک مرحله نرمال‌سازی و تغییر اندازه تصاویر، داده‌ها برای استفاده در الگوریتم یادگیری ژرف پیشنهادی آماده می‌گردند .گام بعدی و اصلی الگوریتم پیشنهادی یک شبکه ژرف جدید است که با الهام از شبکه‌های ژرفNet - Uو ResNet در قالب یک دیدگاه یکپارچه متشکل از دو زیرشبکه ناحیه‌بندی و طبقه‌بندی طراحی شده است .آموزش شبکه پیشنهادی در دو گام آموزش صورت می‌گیرد .در گام اول زیرشبکه‌های ناحیه‌بندی و طبقه‌بندی به‌صورت موازی، مستقل و تحت نظارت آموزش می‌بینند و در گام دوم با به‌کارگیری نتایج و ROI حاصل از گام اول طبقه‌بندی در گام دوم نهایی می‌گردد .ارزیابی روش به‌کمک معیارهایی همچون صحت، دقت و حساسیت با دیگر تحقیقاتی که در این زمینه صورت‌گرفته، مورد مقایسه قرارگرفته است .صحت، دقت و حساسیت روش پیشنهادی در طبقه‌بندی تصاویر پایگاه‌داده هرلو به‌ترتیب برابر ۹۹/۴۲ ، ۹۲/۳۰ و ۱۰۰ است .براساس نتایج می‌توان نتیجه گرفت روش پیشنهادی به‌کمک ایجاد توجه بیشتر با به‌کارگیری ROI تولید شده در بخش ناحیه‌بندی در قالب یک الگوریتم یکپارچه ناحیه‌بندی و طبقه‌بندی با تعداد گام آموزشی کمتر به نتایج بهتری دست‌یافته است.

متن يادداشت

Pre-cancers are cell changes that if not treated correctly, these cells may become cancerous. Cancer is a type of disease in which abnormal cells proliferate in an uncontrolled way and can involve nearby tissues. Cancer is preventable and can be treated with a timely diagnosis. Cervical cancer ranks fourth in terms of prevalence. Pap smear test for early detection of uterine cancer in the country, unfortunately, is often done manually by sampling the under study tissue, and counting and identifying the sample cells on a microscope slide. This method is expensive and time-consuming, and the probability of human error is very high, which reduces the accuracy, precision, and sensitivity of the results. Although automatic pap smear screening samples, do not have aformantion problems, they have operational deficiencies like the occurrence of screening errors. In this study, a new and automatic method has been presented to eliminate or minimize the mentioned problems. The current study suggests the use of an intelligent system that categorizes pap smear images using deep learning to detect uterine dysplasia (abnormal growth of tissues or organs). In this research, pap smear images available in the Herlev database are provided as input to the proposed algorithm for training and evaluation. The first step of the proposed algorithm is the data preprocessing section. In this step, by image normalization and resizing, the data is prepared for use of the proposed deep learning algorithm. The next and main step of the proposed algorithm is a new deep network, which is inspired by U-Net and ResNet deep networks in the form of an integrated view consisting of two sub-networks of segmentation and classification. There is a 2-step training of the proposed network. In the first step, the segmentation and classification sub-networks are trained in parallel, independently, and under supervision, and in the second step, by applying the results and ROI obtained from the first step, the classification is finalized in the second step. The evaluation criteria in the classification of Herlev database images such as accuracy, precision, and sensitivity of the proposed method as 99.42 , 92.30 , and 100 , respectively have been compared by other comparable research. So, it can be concluded that the proposed unified segmentation and classification algorithm has achieved better results with the help of creating more attention by using the ROI generated in the segmentation section with fewer training steps.

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Segmentation and Classification of Cervical Cancer Cells in Pap Smear Images

موضوع مستند نشده

سلول‌های دهانه رحم

موضوع مستند نشده

ناحیه‌بندی

موضوع مستند نشده

طبقه‌بندی

موضوع مستند نشده

پاپ‌اسمیر

موضوع مستند نشده

یادگیری ژرف

موضوع مستند نشده

خودکار

اصطلاح موضوعی

cervical cells, segmentation, classification, pap smear, deep learning, automatic

اصطلاح موضوعی

سلول‌های دهانه رحم، ناحیه‌بندی، طبقه‌بندی، پاپ‌اسمیر، یادگیری ژرف، خودکار

مستند نام اشخاص تاييد نشده

حیدری، نسترن

مستند نام اشخاص تاييد نشده

شامخی، سینا، استاد راهنما

کشور

ایران

تاريخ عمليات

20230617

شماره بازیابی

پزشکی.م ،۱۰۰۷۲ ،۱۴۰۱

نام ميزبان

ریمساپ‌اپ‍ ریواصت‍ رد م‌حر ةناهد ی‌ناطرس‍ ی‌اهل‌ولس‍ ی‌دنبه‌قبط و ی‌دنبه‌یحان‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

9118.pdf

تاريخ و ساعت مذاکره و دسترسي

pm10072.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۴۶۴۲

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