دانلود تحقیق بهبود کیفیت از طر یق ویژگیهای استخراج شده و کنتراست در تصاویر ماموگرافی به کمک ویولت

دانلود تحقیق بهبود کیفیت از طر یق ویژگیهای استخراج شده و کنتراست در تصاویر ماموگرافی به کمک ویولت

یکی از مهمترین و مؤثرترین راههای تشخیص سرطان پستان بخصوص در مراحل اولیه بیماری، ماموگرافی می باشد. آمار نشان می دهد که در رده سنی ۱۵-۵۴ سال بانوان، سرطان پستان نسبت به سایر انواع سرطان بیشترین تعداد قربانی را می گیرد. مسأله، زمانی مهمتر جلوه می کند که بدانیم در رده سنی ۳۵-۵۴ سال مهمترین علت مرگ و میر زنان سرطان پستان می باشد. یکی از مؤثرترین راههای مبارزه با این بیماری، تشخیص آن در مراحل اولیه پیدایش است.

در سالیان اخیر،  متخصصین و محققین در زمینۀ پردازش سیگنال روشهای کارآمدی جهت ارائه چند دقتی و تحلیل سیگنالها مبتنی بر ویولت ارائه نموده اند که بر خلاف تبدیل معمول فوریه، اطلاعات را به حوزه زمان ـ فرکانس نگاشت  میکند و قادر به تغییر دقت زمانی و فرکانسی در مقابل یکدیگر است. از این رو ابزاری مناسب جهت تحلیل سیگنالهای غیر ایستان می باشند. با توجه به غیر ایستان بودن سیگنالهای مورد بررسی در پزشکی، عملکرد مناسب ویولت در آنالیز اینگونه سیگنالها درمقالات متنوع گزارش شده است.

به مرور زمان رادیولوژیستها بطور تجربی قواعدی را کشف کر ده اند که با در نظر گرفتن شکل ظاهری کلسیفیکاسیونها، میزان پراکندگی آنها و ویژگیهای دیگری از این قبیل، در مورد خوش خیم یا بدخیم بودن یک خوشه میکروکلسیفیکاسیون تصمیم گیری می کنند.تمامی ویژگیهای ذکر شده در حوزه مکان یعنی از تصویر خام اولیه به وسیله سیستم بینایی رادیولوژیست استخراج می شود که معمو لاًُ بطور صددرصد دقیق هم انجام نمی شود. به خصوص با خستگی، میزان دقت نیز بطور چشمگیری کاهش می یابد. در این تحقیق به بررسی مواردی از این دست پرداخته شده است.

ماموگرافی تنها روش مطمئنی است که می توان از طریق آن یک توده را در سینه پیش از آنکه از طریق لمس قابل تشخیص باشد، آشکار نمود. بعضی از سرطانهای پستان را  میتوان حدود دو سال پیش از آنکه به اندازه ای برسند که از طریق لمس قابل تشخیص باشند، به کمک ماموگرافی آشکار نمود. البته باید توجه داشت که ماموگرافی هیچ گاه نمی تواند جایگزینی برای بیوپسی (نمونه برداری از بافت) باشد،  زیرا این روش نمی تواند سرطان را در سین ههای با چگالی بافت بالا آشکار نماید. بطور کلی در حدود ۴۰% از سرطانهای پستان در مراحل اولیه، فقط از طریق ماموگرافی قابل تشخیص هستند.

ماموگرامها بر حسب اینکه از چه جهتی تهیه می شوند به دو دسته اصلی تقسیم می شوند: کرانیوـ کودال یا ^CC که از جهت بالا به پایین گرفته می شود و مدیولترال ـ ابلیک یا ^MLO که به صورت نیم رخ و اریب گرفته می شود. هدف از این کار این است که سینه از جهات مختلف مورد آزمایش قرار گیرد تا بتوان ضایعات را بهتر مشاهده نمود.

در حال حاضر تبدیل ویولت گستره کاربرد وسیعی در زمینه مهندسی پزشکی یافته است که از تحلیل سیگنالهای معمول و قدیمی تر حاصل از الکتروکاردیوگرافی تا تصاویر حاصل از     سی تی اسکن و (Positron Emission Tomography^{) PET} را شامل  میشود.

 اغلب کاربردهای ویولت منحصراً  مربوط به سیگنالهای پزشکی نمی باشند و در بسیاری از موارد دیگر از سیگنالهای یک بعدی نیز کارآیی دارند اما در حالات دو بعدی وضعیت متفاوت است و بجز حالاتی که در بخش حذف نویز به آنها اشاره می شود و در کاربردهای دیگر در تصویربرداری پزشکی معادلی در کاربردهای غیر پزشکی نمی توان یافت.

انجام عمل بیوپسی معمولاًُ به لحاظ فاکتورهایی که سلامتی بیمار را به مخاطره می اندازد مطلوب نیست و ترجیح داده  میشود که حتی الامکان از این عمل احتراز شود. بنابراین یافتن راهی که بتواند به دقیق ترین نحوی بین نمونه های خوش خیم و بدخیم افتراق ایجاد کند، به لحاظ جلوگیری از بیوپسی های غیر لازم بسیار سودمند خواهد بود. از این رو تکیه بر تکنیکهای پردازش تصویر در این زمینه یکی از بهترین روشها است.

 فهرست مطالب بهبود کیفیت از طر یق ویژگیهای  استخراج شده و کنتراست  در تصاویر ماموگرافی به کمک ویولت 

• فصل اول : ماموگرافی  

  • کاربرد ماموگرافی در تشخیص سرطان پستان
  • بررسی مسأله از دید علم پردازش تصویر
  • مروری بر کارهای انجام شده
  • بانک ماموگرام استفاده شده و چگونگی آماده سازی آنها
• فصل دوم: کاربردهای ویولت در تصویربرداری و تصاویر ماموگرافی
  • کاربردهای ویولت در تصویربرداری و تصاویر پزشکی  
    • تبدیل ویولت جهت تصاویر
    • کاهش نویز در تصاویر پزشکی
    • ویولت برای فشرده سازی تصاویر پزشکی
    • بهبود کیفیت تصاویر ماموگرافی
    • آشکارسازی میکروکلسیفیکاسیونها در تصاویر ماموگرافی
• فصل سوم: تشخیص خوش خیم و بدخیم بودن خوشه های میکروکلسیفیکاسیون در ماموگرافی به کمک ویولت 
  • مراحل پیاده سازی
  • استخراج نواحی شامل خوشه از ماموگرامها و آماده سازی آنها
  • استخراج ویژگی های مالتی ویولت
  • استخراج ویژگیهای ویولت بسته ای
  • استخراج ویژگی های آماری مرتبه۲
  • انتخاب بهترین مجموعه از ویژگی ها
  • الگوریتم ژنتیک
  • چارچوب الگوریتم ژنتیک
  • الگوریتم انتخاب
  • الگوریتم تولید مثل
  • پارامترهای الگوریتم ژنتیک
  • الگوریتم ژنتیک و مسأله انتخاب ویژگی
  • طبقه بندی کننده KNN
  • پارامترهای الگوریتم ژنتیک استفاده شده
  • ارزیابی تابع هدف
  • منحنی ROC
• فصل چهارم : نتیجه گیری و پیشنهادات