[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: میلاد احمدی - 1398/04/04 ::
 | تاریخ ارسال: ۱۳۹۸/۴/۳ | 

ارائه­ دهنده:

میلاد احمدی

  استاد راهنما:

 دکتر رضا برنگی

  استاد ممتحن خارجی :  دکتر محمد رحمتی
استاد ممتحن داخلی: دکتر محسن سریانی

  زمان :  سه شنبه  04  تیر ماه 1398

ساعت 17:00
 
مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304


آقای میلاد احمدی دانشجوی کارشناسی ارشد آقای دکتر رضا برنگی سه شنبه 04تیر ماه ساعت   17:00 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان تشخیص ناهنجاری در تصاویر ماموگرافی با استفاده از شبکه های مولد رقابتی دفاع خواهند نمود.

چکیده پایان نامه:

در این رساله با الهام از روش های شناسایی ناهنجاری مبتنی بر شبکه های مولد رقابتی، یک روش جدید بدون نظارت جهت شناسایی ناهنجاری های موجود در تصاویر ماموگرافی سینه ارائه می شود. تمامی روش های پیشین از رده بندی با نظارت دو کلاسه جهت شناسایی ناهنجاری استفاده می کنند. این روش ها عمدتا به دنبال رده بندی با نظارت تصاویر حاوی بافت غیرطبیعی به دو کلاس خوشخیم و یا بدخیم هستند در حالی که روش ما با هدف شناسایی بدون نظارت نواحی مشکوک در تصاویر ماموگرافی ارائه می شود. از این رو ارائه یک راهکار بدون نظارت جهت شناسایی نواحی مشکوک، موجب کاهش هزینه در آماده سازی داده ها می شود. از سوی دیگر، دسترسی به حجم زیادی از تصاویر حاوی ناهنجاری بسیار چالش بر انگیز است. در روش ما تنها از تصاویر با بافت طبیعی جهت آموزش شبکه مولد رقابتی استفاده می شود. این شبکه از U-Net تغییر یافته به عنوان مدل مولد و از یک شبکه عمیق کانولوشن به عنوان مدل تفکیک کننده بهره می برد. مدل مولد تنها با استفاده از بافت های طبیعی آموزش داده می شود تا بتواند تصاویر طبیعی ماموگرافی را بازسازی کند در حالی که مدل تفکیک کننده به دنبال شناسایی طبیعی و یا غیرطبیعی بودن تصاویر ورودی است. 
روش پیشنهادی قادر است که نواحی مشکوک در تصاویر ماموگرافی را مشخص کند ولی در تشخیص محل دقیق ناحیه ناهنجاری به دلیل استفاده از روش تعیین ناحیه ناهنجاری مبتنی بر پچ، دقت مناسبی ندارد. روش ارائه شده بر روی مجموعه های داده MIAS و INBreast که دو مجموعه داده عمومی ماموگرافی می باشند مورد ارزیابی قرار می گیرد. نتایج نشان می دهند که روش پیشنهادی دارای عملکرد مناسبی در شناسایی پچ های حاوی ناهنجاری نسبت به سایر روش های شناسایی ناهنجاری مبتنی بر شبکه های مولد رقابتی است.  
 
واژه های کلیدی: شبکه های مولد رقابتی، تشخیص ناهنجاری، آموزش رقابتی، تصاویر ماموگرافی، سرطان سینه 
 


  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 250 بار   |   دفعات چاپ: 20 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان

School of Computer Engineering
Persian site map - English site map - Created in 0.19 seconds with 52 queries by YEKTAWEB 3937