بخشبندي خودكار ريه در تصاوير برشنگاري رايانهاي با استفاده از يادگيري عميق

كارشناسي ارشد

بخش‌بندي تصوير يكي از مهم‌ترين زيرشاخه‌هاي پردازش تصوير و بينايي ماشيناست كه به صورت روش¬هاي پايه و روش هاي خودكار مي شود. تشخيص تومورها، محاسبه حجم تومورها، تشخيص قسمت‌هاي طبيعي بافت در مقايسه با قسمت‌هاي غيرطبيعي آن، ترسيم پربند بافت‌ها جهت طراحي درمان از جمله مهم‌ترين كاربردهاي بخش¬بندي تصوير در زمينه-هايپزشكي هستند. معمولا در روش هاي مختلف پرتودرماني، ترسيم پربند بافت¬ها به صورت دستي توسط پزشك با استفاده از تصاوير برش نگاري رايانه¬اي انجام مي¬شود كه نيازمند دقت و تجربۀ بالاي پزشك و روشي زمان¬بر است. در سال‌هاي اخير با پيشرفت رايانه‌ها و استفاده از قابليت¬هاي هوش¬مصنوعي، از روش‌هاي بخش‌بندي تصاوير به‌صورت خودكار مبتني بر يادگيري عميق استفاده مي‌شود. روش هاي خودكار قابل تكرار بوده و نيازمند تعامل و زمان كمتري با كاربر هستند. عدم تفسير پذيري و نياز به دادۀ با كيفيت جهت آموزش مدل و بيش برازش از جمله مهم ترين چالش هاي روش بخش¬بندي خودكار به حساب مي¬آيند. در اين پژوهش بخش‌بندي تصاويربرش نگاري رايانه‌اي ريه با استفاده ازروش يادگيري عميقو معماري U-Netانجام شده است. در اين پژوهش از مجموعه دادۀ kaggle استفاده شده است. اين مجموعه داده شامل 17000 داده در اندازۀ 512×512 مي باشد كه از اين مجموعه داده900 داده جهت آموزش و 110داده جهتارزيابي مدل مورد استفاده قرار گرفته است.معيارهاي صحت، DSC و IOU در ارزيابي اين مدل استفاده شده است كه متوسط مقادير آنها به ترتيب برابر است با0.005± 0.9906، 0.05± 0.9373و 0.11± 0.873 و مقدار زيان مدل برابر 0.02 مي‌باشد كه بيانگر اين است كه مدل پيشنهادي در اين پژوهش از عملكرد قابل قبولي برخوردار است.

227414

دانشگاه اصفهان

مهندسي هسته اي - مهندسي پرتو پزشكي

ايرج جباري