پارسای داخل کشور کارشناسی ارشد 1401
پدیدآور: شیوا فرنیاپور 
استاد راهنما: نجمه اقبال
دانشگاه صنعتی سجاد، دانشکده برق و مهندسی پزشکی
چکیده

یکی از شایع ترین سرطان های پوست، سرطان پوست ملانوما است. با وجود اینکه تنها 4 درصد از انواع سرطان پوست را شامل می شود، ولی 75 درصد مرگ های سرطان پوست ناشی از سرطان پوست ملانوما است. چنانچه ملانوما در مراحل اولیه تشخیص داده شود، روش های درمان به خوبی جوابگو می باشد و درصورتیکه تشخیص و شناسایی آن با تاخیر انجام گیرد، باعث نفوذ به سایر بافت های بدن می شود و می تواند به عواقب خطرناکی منجر شود. با توجه به اینکه تشخیص بیماری بصورت بالینی کاری دشواری است و نیاز به دانش و تجربه بالا در این زمینه می باشد، بهره گیری از روش های پردازشی برای این منظور پیشنهاد می شود. در این پایان نامه روش متفاوتی ارائه شده است که با بکارگیری معماری یادگیری عمیق به تشخیص سرطان پوست ملانوما می پردازد. در مرحله اول پیش پردازشی بر روی تصاویر انجام می شود که براساس آن عواملی همچون نویز از بین می رود و استخراج ویژگی بهتر و کارآمدتری از تصویر در دسترس می باشد. برای آموزش شبکه تصاویر بصورت یک دسته تصویر به شبکه اعمال می گردد. به منظور آموزش شبکه تمامی داده های آموزش از معماری پیشنهادی عبور داده می شوند. مرحله دوم روش پیشنهادی شامل لایه کانولوشن، تابع فعال ساز و لایه ادغام می باشد. در لایه کانولوشن کرنلی با ابعاد 10 در 10 و تعداد 8 عدد استفاده شده است. زیرلایه غیرخطی Relu در مرحله اول بکار گرفته شده است. برای لایه ادغام نیز پنجره ای با ابعاد 3 در 3 در نظر گرفته شده است. مرحله سوم روش پیشنهادی نیز دارای ساختار مشابه ای با مرحله دو می باشد که باعث استخراج ویژگی های کارآمد می شود. مرحله چهارم شامل لایه تماما اتصال می باشد که بیانگر کلاس خروجی تصاویر است. روش پیشنهادی بر روی پایگاه داده ISIC مورد ارزیابی قرار گرفته است و به دقت 89/97 درصد رسیده است که بیانگر دقت بالایی در تشخیص سرطان پوست ملانوما می باشد.