• AR
  • EN

پایــگاه خبــری

  • فهرست اخبار
  • آموزشی
  • پژوهشی
  • دانشجویی و فرهنگی
  • اداری
  • دستاوردها
  • نشست‌ها
  • انتصاب‌ها
  • خبرنامه‌ها
    > فهرست اخبار > جلسه دفاع پایان نامه: محمدرضا قادری، گروه مهندسی صنایع
تاریخ: 1402/11/15
ساعت: 11:51
بازدید: 227
شماره خبر: 22336

چاپ خبر
ارسال خبر

اخبار مرتبط

گالری

برچسب‌ها

    به اشتراک بگذارید

     
    جلسه دفاع پایان نامه: محمدرضا قادری، گروه مهندسی صنایع

    جلسه دفاع پایان نامه: محمدرضا قادری، گروه مهندسی صنایع

    خلاصه خبر:

    عنوان پايان نامه: واكاوي روش هاي درماني سرطان دهانه رحم بر اساس داده هاي باليني

    ارائه کننده: محمد رضا قادری
    استاد راهنما: دكتر توكتم خطيبي
    استاد داور داخلي: دكتر مطهره دهقان چاچكامي
    استاد داور خارج از دانشگاه: دكتر مهرداد روانشاد
    نماينده تحصيلات تكميلي: دكتر مطهره دهقان چاچكامي
    تاریخ: 1402/11/16                 
    ساعت: 13:00
    مكان: سايت دانشكده مهندسي صنايع و سيستم ها

    چکیده:
    سرطان دهانه رحم با تخمین 604000 مورد جدید و 342000 مرگ در سراسر جهان در سال 2020 چهارمین سرطان شایع در زنان است؛ تشخیص زود هنگام و بررسی همیشگی ضایعات پیش سرطانی و سرطانی، تاثیر زیادی بر جلوگیری از تلفات این بیماری دارد، هدف از این پژوهش، ایجاد سیستمی است که در این زمینه به متخصصین کمک نماید. در پژوهش حاضر از مجموعه تصاویر کولپوسکوپی جمع آوری شده توسط سازمان جهانی تحقیقات سرطان(IARC) که یک مرکز مرتبط با سازمان بهداشت جهانی(WHO) است، استفاده شده است، این مجموعه شامل 913 تصویر از 200 بیمار تحت شرایط مختلف است؛ برای کمک به متخصص در جنبه های مختلف از امتیاز سوئد(Swede Score) استفاده شده است، امتیاز سوئد معیاری است که در 5 ویژگی مختلف(جذب اسید، حاشیه ضایعه، وضعیت رگ ها، اندازه ضایعه، واکنش به ید لوگول) به تصاویر کولپوسکوپی امتیاز می‌دهد، هر یک از ویژگی‌ها در سه دسته مختلف دسته بندی می‌شود. با استفاده از مدل‌های یادگیری عمیق، مدل‌هایی ایجاد شده است که بتواند هر 5 ویژگی مرتبط با امتیاز سوئد را پیش‌بینی نماید تا به عنوان یک سیستم کمک تشخیصی و درمانی در مورد ویژگی های مختلف ضایعه در کنار متخصص قرار بگیرد و همچنین توانایی همکاری در زمینه آموزش متخصص را ایجاد نماید. مدل‌های ارائه شده توانایی پیش بینی هر 5 ویژگی را دارند که هرکدام نیز در 3 کلاس مختلف دسته بندی می‌شوند لذا با مدلی  Multiclass Multi-Outputمواجه هستیم؛ به همین جهت ارزیابی مدل ها نیز برای هر یک از 5 ویژگی به تفکیک مورد بررسی قرار گرفته است؛ سه مدل مختلف با این ویژگی‌ها ایجاد شده است، برای رسیدن به دقت و صحت بهتر در مدل اول از دو مرحله داده افزایی، یک مرحله برای استخراج ویژگی و مرحله دوم برای ارائه پیش بینی استفاده شده است، مدل های دوم و سوم نیز با ترکیبی از یادگیری عمیق و یادگیری ماشین جمعی ایجاد شده است؛ بهترین مدل ارائه شده، در هر 5 ویژگی، دقت و صحت پیش بینی بین 88% تا 94% بر داده های آزمایش ارائه می‌کند.
    در پایان نیز یک نرم افزار تحت ویندوز برای مدل توسعه داده شده است تا این پژوهش را برای اجرا در فضای کاربردی مناسب نماید.

    خبر بعدی خبر قبلی

    ما را در شبکه‌های اجتماعی دنبال کنید

    © تمامی حقوق سایت برای دانشگاه تربیت مدرس محفوظ است.