بهبود ناحيه بندي تصاوير ضايعات پوستي مبتني بر يادگيري عميق

كارشناسي ارشد

ملانوم از وخيم ترين نوع سرطان هاي پوستي است كه مي تواند در هرقسمتي از پوست بدن انسان ايجاد شود.تشخيص ضايعات ملانوم در اوايل رشد ، احتمال درمان شدن آن ها را تا حدود زيادي افزايش خواهد داد. با توجه به گسترش علوم و ربات هاي جراح ،بهبود ناحيه بندي ملانوم به حذف دقيق تر اين ضايعه از نقاط حساس و غير حساس بدن توسط پزشك يا ربات هاي جراحي كمك زيادي خواهد كرد. در سال هاي اخير شبكه هاي مبتني بر آموزش ،در ناحيه بندي تصاوير به نتايج مطلوبي نسبت به روش هاي قديمي نظير الگوريتم ناحيه بندي مبتني بر كلوني مورچگان رسيده اند. در اين پژوهش روشي برمبناي شبكه هاي عصبي كانولوشني عميق به منظور بهبود ناحيه بندي تصاوير ضايعات پوستي ملانوم ، كه از دو قسمت شناسايي و ناحيه بندي تشكيل و ارائه گرديده است. معماري پيشنهادي از دو قسمت عمده براي شناسايي بلادرنگ محل ضايعه و ناحيه بندي تشكيل شده است. در قسمت شناسايي ، با ايجاد تغيير درطبقه بندي خروجي و تنظيم دقيق معماري YOLOv3 كه با عنوان F-YOLOv3 ارائه شده است، براي تشخيص ضايعه ملانوم ، مكان و ناحيه ضايعه پوستي ملانوم به دقت شناسايي شده و سپس به داخل شبكه كانولوشني پيشنهاديSeg11-Net جهت ناحيه بندي داده مي شود.مرحله شناسايي مكان و ناحيه ضايعه ، به كمتر شدن بارمحاسباتي جهت ناحيه بندي كمك مي كند. روش پيشنهادي در معيار دقت با 16/95 درصد نشان مي دهد روش پيشنهادي ما در اين مقاله در معيار دقت و81/92 درصد در ضريب تشابه دايس از درصد بالاتري برخوردار مي باشد كه برتري كار انجام شده نسبت به جديد ترين مقالات را نشان مي دهد.

194633

دانشگاه علم و صنعت ايران

افزاره‌هاي ميكرو و نانوالكترونيك

دكتر كريم محمدي