پارسای داخل کشور دکتری تخصصی (PhD) 1400
پدیدآور: رزیتا راست قلم 
استاد راهنما: حبیب اله دانیالی 
استاد راهنما: محمد صادق هل فروش
دانشگاه صنعتی شیراز، پردیس خودگردان
چکیده

سرطان ملانوم پوست کشنده ترین و تهاجمی ترین نوع سرطان پوست می‌باشد و آمار مبتلایان و مرگ و میر ناشی از این بیماری در دهه های اخیر رو به افزایش است. جهت تعیین درجه بیماری که منجر به انتخاب شیوه صحیح درمان می‌شود، عمیق‌ترین ملانوسیت بدخیم شناسایی شده و فاصله آن تا لایه گرانولر اپیدرم اندازه‌گیری می‌شود؛ این فاصله تعیین کننده درجه سرطان ملانوم می‌باشد. از آنجا که ویژگی‌های متعددی در هر نمونه می بایست بررسی شود، پاتولوژیست‌ها زمان زیادی را به بررسی هر نمونه اختصاص می‌دهند. تعدد ویژگی‌ها و متفاوت بودن آنها در هر نمونه، منجر به عدم اتفاق نظر بین پاتولوژیست‌ها در برخی نمونه‌ها می‌گردد. همچنین در برخی نمونه‌ها به دلیل وجود زخم در سطح خال، امکان تعیین درجه بیماری به دلیل فقدان لایه اپیدرم برای آسیب‌شناسان مقدور نمی‌باشد. در این رساله الگوریتم‌هایی جهت تشخیص و شناسایی سرطان ملانوم پوست، طبقه‌بندی تصاویر و تعیین درجه ملانوم پیشنهاد می‌شود، که جهت تعیین درجه ملانوم در نمونه‌های دارای زخم نیز کاربرد دارد. جهت شناسایی تومور ملانوم، ویژگی‌های متعدد آماری و بافتی از تصاویر استخراج شده است. در این راستا توصیف‌گر نوین الگوی اختلاف محلی (LDP) معرفی شده، که عملکرد آن بسیار دقیق تر از الگوی باینری محلی در تصاویر پاتولوژی می‌باشد. در ادامه روشی مبنی بر مدل مخفی مارک و بیشینه سازی امید ریاضی (HMM-EM) جهت ادغام و طبقه بندی تصاویر ارایه شده است. همچنین شناسایی تومور ملانوم براساس شبکه عصبی کانولوشنی نیز بکار گرفته شده است. پس از شناسایی تومور ملانوم جهت تعیین برسلو و درجه بیماری، لایه اپیدرم پوست براساس تبدیل هاف مشخص شده و عمق توده تا لایه گرانولر اپیدرم به عنوان معیار برسلو یا درجه بیماری تعیین شده است. براساس نتایج بدست آمده، تومور ملانوم در روش پیشنهادی با دقت 95% شناسایی می‌شود.