دانلود پروپوزال طبقه بندی توده های سرطان سینه با استفاده از روش ماشین بردار پشتیبان با بکارگیری الگوریتم بهینه سازی ملخ |
|||
|---|---|---|---|
| عنوان فارسی پروپوزال | دانلود پروپوزال طبقه بندی توده های سرطان سینه با استفاده از روش ماشین بردار پشتیبان با بکارگیری الگوریتم بهینه سازی ملخ | ||
| عنوان انگلیسی پروپوزال | Mammographic Image Processing for Classification of Breast Cancer Masses by Using Support Vector Machine Method and Grasshopper Optimization | ||
| قابلیت ویرایش | دارد | ||
| سال نگارش | 2022 | ||
| رشته | کامپیوتر-پزشکی | ||
| قالب فایل | Word | ||
| مقاله بیس | دارد | ||
| لینک مقاله بیس | دانلود رایگان مقاله بیس | ||
این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد:
فهرست مطالب پروپوزال
- بیان مساله اساسی تحقیق شبکه عصبی کانولوشن
- مرور ادبیات و سوابق مربوطه
- اهمیت و ضرورت انجام تحقیق
- اهداف مشخص تحقیق
- سؤالات تحقیق
- فرضیه های تحقیق
- روش شناسی تحقیق
- متغیرهای مورد بررسی در قالب یک مدل مفهومی
- جنبه جدید بودن و نوآوری در تحقیق
- شرح کامل روش (میدانی، کتابخانهای) و ابزار
- جامعه آماری، روش نمونه گیری و حجم نمونه
- مراجع
بیان مساله
سرطان سینه نوعی سرطان است که به دلیل رشد غیرقابل کنترل سلولهای غیرطبیعی سبب ایجاد توده در بافت پستان میشود. طبق گزارش سازمان بهداشت جهانی (WHO) هر ساله این سرطان ۲٫۱ میلیون زن را تحت تأثیر قرار میدهد، همچنین بیشترین مرگومیر ناشی از سرطان را در میان زنان ایجاد میکند . بر اساس تحقیقات انجام شده در سال ۲۰۱۸ تعداد ۶۲۷۰۰۰ زن به علت سرطان سینه جان خود را از دست دادهاند درواقع، این سرطان تقریباً %۱۵ از کل مرگومیرهای ناشی از انواع سرطان را در میان زنان تشکیل میدهد.
مشاهده تمامی پروپوزال‌های پزشکی
این بیماری در ایران نیز شایعترین سرطان و سومین علل مرگومیر در میان زنان است [۱]. لذا درصورتی که بتوان توسط روشی، این بیماری را تشخیص داد میتوان شاهد کاهش مرگومیر انسانها بود. روش تصویربرداری ماموگرافی توسط اشعه x یکی از رایجترین روشهای مورد استفاده رادیولوژیستها برای تشخیص و غربالگری سرطان سینه و تعیین وجود تودههای سرطانی و کیستها است. با این حال تفسیر تصاویر ماموگرافی دشوار است و طبق آمار مرکز ملی سرطان در آمریکا، ۱۰ تا ۳۰ درصد توده های موجود در سینه توسط رادیولوژیست قابل مشاهده نیستند [۲].
تودهها و ذرات ریز آهکی که ذرات بسیار کوچک کلسیم هستند، از نشانهها و علائم سرطان در تصاویر ماموگرافی هستند و تشخیص درست این علائم بسیار سخت و دشوار است. بطور کلی تودهها به دو دستهی خوشخیم و بدخیم طبقهبندی میشوند، که هر کدام از لحاظ شکل ظاهری در تصویر دارای ویژگیهای خاصی هستند. تودههای خوشخیم بیضوی شکل، دارای لبههای مشخص و بدون زاویه هستند؛ در حالی که تودههای بدخیم دارای شکل غیریکنواخت و غیرمنظم، لبه های نامشخص، زاویهدار و غالباً شبیه چکمه یا لوبورال هستند [۱].
در تصاویر ماموگرافی، ذرات بسیار ریز آهکی معمولاً بصورت ذرات نویزی مشاهده شده و تودهها دارای شدت روشنایی بسیار کمی هستند، که تشخیص آنها را توسط رادیولوژیستها و پزشکان دشوار میکند. با توجه به اینکه تشخیص دقیق و بهموقع توده سرطانی و انواع مختلف آن از اهمیت ویژهای در سلامتی افراد جامعه برخوردار است، لذا باید بهنحوی دشواری تشخیص تودههای سرطان سینه که به‌طور عمده با خطاهای انسانی در دقت تشخیص نیز همراه است توسط محققین مورد توجه قرار گیرد.
به همین دلیل ارائه و گسترش یک روش خودکار به کمک روشهای پردازش تصویر و الگوریتمهای تشخیص و همچنین بهینه‌سازی و ارتقای سیستم‌های تشخیصی موجود برای کاهش خطای انسانی و کمک به تشخیص زود هنگام و بهبود روند درمان این بیماری حائز اهمیت است. در این پروپوزال کوشیده ایم با معرفی روشی خودکار و جدید، در تشخیص و استخراج تودههای سرطان سینه با دقت بالا دست پیدا کنیم. برای این منظور توده های سرطان سینه ،…..
برخی از مراجع
- Islam, Md Milon, et al. “Prediction of breast cancer using support vector machine and K-Nearest neighbors.” ۲۰۱۷ IEEE Region 10 Humanitarian Technology Conference (R10-HTC). IEEE, 2017.
- Ali, Ebrahim Edriss Ebrahim, and Wu Zhi Feng. “Breast cancer classification using support vector machine and neural network.” International Journal of Science and Research ۵٫۳ (۲۰۱۶): ۱-۶٫
- Avinash, Kumar, M. B. Bijoy, and P. B. Jayaraj. “Early Detection of Breast Cancer Using Support Vector Machine With Sequential Minimal Optimization.” Advanced Computing and Intelligent Engineering. Springer, Singapore, 2020. 13-24.
- Huang, Hui, et al. “A new fruit fly optimization algorithm enhanced support vector machine for diagnosis of breast cancer based on high-level features.” Bmc Bioinformatics ۲۰٫۸ (۲۰۱۹): ۲۹۰٫
- Khalilabad, Nastaran Dehghan, and Hamid Hassanpour. “Employing image processing techniques for cancer detection using microarray images.” Computers in biology and medicine ۸۱ (۲۰۱۷): ۱۳۹-۱۴۷٫
دانلود پروپوزال تشخیص سرطان با استفاده از شبکه عصبی کانولوشن (UNET) – دانلود پروپوزال در مورد تشخیص سرطان سینه – دانلود پروپوزال در مورد شبکه عصبی کانولوشن – توده در پستان یکی از مشخص ترین علائم برای تشخیص سرطان سینه است و اطلاعات اطراف توده آن بیانگر الگوی رشد و ویژگی بیولوژیکی است.
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.