پارسای داخل کشور کارشناسی ارشد 1394
موضوع: علوم کامپیوتر، هوش مصنوعی
پدیدآور: سیده‌الهام حسینی فدافن
استاد راهنما: سیدامیر اصغری توچائی
استاد راهنما: عمادالدین فاطمی‌زاده
موسسه آموزش عالی شهاب دانش، دانشکده مهندسی
چکیده

ملانوما یکی از شایع‌ترین انواع سرطان پوست می‌باشد که تشخیص ملانوما در مراحل نخست بیماری می‌تواند بطور چشمگیری از مرگ ناشی از این سرطان مهلک پوست جلوگیری نماید. از آنجایی که تشخیص این بیماری در مراحل نخست، حتی توسط پزشکان کارآمد به سختی انجام می‌پذیرد، ارائه روشی که تشخیص ملانوما را در مراحل اولیه آسان نماید بسیار مفید و ارزنده است.در این پایان‌نامه بر آن شدیم که با استخراج ویژگی‌هایی از تصاویر درموسکوپی و طبقه‌بندی آنها، به ایجاد الگوریتمی پرداخته شود که به تشخیص ملانوما کمک نماید. پیش از استخراج ویژگی‌های مناسب، مرزبندی دقیق بین ضایعه و زمینه به کمک فیلتر پلاریز شبیه‌سازی شده با زاویه مناسب انجام پذیرفت و سپس با استفاده از یک روش تقسیم‌بندی بر اساس استانه اتسو تصویر را به تصویر باینری (دودویی) تبدیل شد. بعد از این که یک تصویر طبقه‌بندی شده باینری بدست آمد به استخراج ویژگی بر اساس قانون ABCD و یکسری از تکنیک ها استخراج ویژگی پرداخته شد. قانون ABCD تقارن، لبه، رنگ و قطر را بررسی می‌کند. استفاده از این قانون تشخیص ملانوما را برای متخصصین پوست آسان می‌کند و در انتخاب ویژگی مناسب نیز راه گشا است.بعد از اسـتخراج ویژگی، برای انتخاب ویژگی‌های مناسب از روش‌های کاهش ویژگی PCA، فیشر و SFS استفاده شده است که در بین این روش‌ها بهترین نتیجه را برای این سیستم روش SFS با صحت 93.22% داشت.برای طبقه‌بندی اطلاعـات(ویژگی‌ها) از روش‌هـای مختلفـی مـی‌تـوان بهـره گرفت. روشی که بـرای طبقـه‌بنـدی اطلاعـات در این پایان‌نامه مـورد استفاده قرار گرفته طبقـه‌بنـدی بـه روش ماشـین‌هـای بـردار پشتیبان (SVM) است، که شامل دو فاز یادگیری و تست می‌باشـد. در این پایان‌نامه مرحله‌ای استخراج ویژگی مورد اهمت قرار گرفته است و سعی شده این مرحله نسبت به کار‌های گذشته بهبود یابد که در نهایت با استخراج 52 ویژگی و با روش SFS ویژگی‌ها به 11 ویژگی کاهش یافت. سیستم دارای دقت و صحت متلوب تری نسبت به کارهای گذشته داشته باشد. در این پایان‌نامه به این نتیجه رسیدیم که با انتخاب حداقل ویژگی مناسب می‌توان دقت سیستم را بهبود بخشید.