تشخيص ناهنجاري در تصاوير ماموگرافي با استفاده از شبكه‌‌هاي مولد رقابتي

كارشناسي ارشد

در اين رساله با الهام از روش‌‌هاي آشكارسازي ناهنجاري مبتني بر شبكه‌‌هاي مولد رقابتي، يك روش جديد بدون نظارت جهت آشكارسازي ناهنجاري‌‌هاي موجود در تصاوير ماموگرافي پستان ارائه مي‌‌شود. تمامي روش هاي پيشين از رده بندي با نظارت دو كلاسه جهت آشكارسازي ناهنجاري استفاده مي كنند. اين روش ها عمدتا به دنبال رده بندي با نظارت تصاوير حاوي بافت غيرطبيعي به دو كلاس خوش خيم و يا بدخيم هستند در حالي كه روش ما با هدف آشكارسازي بدون نظارت نواحي مشكوك در تصاوير ماموگرافي ارائه مي شود. از اين رو ارائه يك راهكار بدون نظارت جهت آشكارسازي نواحي مشكوك، موجب كاهش هزينه در آماده سازي داده‌‌ها مي‌‌شود. از سوي ديگر، دسترسي به حجم زيادي از تصاوير حاوي ناهنجاري بسيار چالش بر انگيز است. در روش ما تنها از تصاوير با بافت طبيعي جهت آموزش شبكه مولد رقابتي استفاده مي شود. اين شبكه ازU-net تغيير يافته به عنوان مدل مولد و از يك شبكه عميق كانولوشن به عنوان مدل تفكيك كننده بهره مي برد. مدل مولد تنها با استفاده از بافت هاي طبيعي آموزش داده مي شود تا بتواند تصاوير طبيعي ماموگرافي را بازسازي كند در حالي كه مدل تفكيك كننده به دنبال آشكارسازي طبيعي و يا غيرطبيعي بودن تصاوير ورودي است. روش پيشنهادي قادر است كه نواحي مشكوك در تصاوير ماموگرافي را مشخص كند ولي در تشخيص محل دقيق ناحيه ناهنجاري به دليل استفاده از روش تعيين ناحيه ناهنجاري مبتني بر وصله، دقت مناسبي ندارد. روش ارائه شده بر روي مجموعه‌‌هاي داده MIAS و INBreast كه دو مجموعه داده عمومي ماموگرافي مي‌‌باشند مورد ارزيابي قرار مي‌‌گيرد. نتايج نشان مي‌‌دهند كه روش پيشنهادي داراي عملكرد مناسبي در آشكارسازي وصله‌‌هاي حاوي ناهنجاري نسبت به ساير روش‌‌هاي آشكارسازي ناهنجاري مبتني بر شبكه‌‌هاي مولد رقابتي است.

193483

دانشگاه علم و صنعت ايران

دكتر محمود فتحي

هوش مصنوعي و رباتيكز

دكتر رضا برنگي