فرم درخواست پروژه





















دانلود پایان نامه تشخیص زودرس سرطان سینه با استفاده از تصاویر ماموگرافی

اطلاعات بیشتر

پروپوزال + پایان نامه + شبیه سازی

تشخیص زودرس سرطان سینه با استفاده از تصاویر ماموگرافی

۶۵۰ هزار تومان

۰۹۱۷۷۳۶۱۸۴۵

==========================================

فهرست جدول‌ها          ۴

فهرست شكل‌‌ها ۵

۱-۱-   پيشگفتار         ۷

۱-۲-   هدف و ضرورت انجام تحقیق     ۹

۱-۳-   ساختار کلی تحقیق       ۱۰

فصل ۲-          مروری بر ادبیات و پیشینه تحقیق         ۱۱

۲-۱-   تاریخچه سرطان سینه    ۱۱

۲-۲-   علایم سرطان سینه      ۱۳

۲-۳-   آزمایش و تشخیص سرطان سینه ۱۴

۲-۴-   ماموگرافی چیست؟       ۱۵

۲-۵-   ماموگرافی چه چیزی را نشان میدهد؟     ۱۵

۲-۶-   روش های تشخیصی دیگر سرطان سینه  ۱۷

۲-۷-   انواع مختلف ماموگرافی  ۱۷

۲-۷-۱-          ماموگرافی آزمایشی       ۱۷

۲-۷-۲-          ماموگرافی تشخیصی      ۱۷

۲-۸-   چه آزمایش‌های دیگری به جای ماموگرافی می‌توان انجام داد؟       ۱۹

۲-۹-   ماموگرافی چگونه انجام می‌شود؟ ۲۰

۲-۱۰- مزایا و معایب ماموگرافی ۲۰

۲-۱۱- ماموگرافی دیجیتال       ۲۲

۲-۱۲- تفاوت‌های ماموگرافی دیجیتال و ماموگرافی معمولی در چیست؟    ۲۳

۲-۱۳- میکروکالسیفیکاسیون ها در ماموگرامهای دیجیتال چگونه ظاهر میشوند؟    ۲۵

۲-۱۴- تشخیص و کلاسبندی رسوب های کلسیمی        ۲۵

۲-۱۵- مروری بر ادبیات تحقیق  ۲۵

فصل ۳-          مقایسه روش های تشخیص سرطان سینه در ماموگرافی    ۳۸

۳-۱-   مقدمه……         ۳۸

۳-۱-۱-          روشهای منطقه ای        ۳۸

۳-۱-۲-          روشهای مبتنی بر کانتور ۳۹

۳-۱-۳-          روشهای خوشه بندی     ۳۹

۳-۲-   روشهای مبتنی بر مدل   ۴۰

۳-۲-۱-          تشخیص توده با استفاده از نماهای چندگانه        ۴۰

۳-۲-۲-          مقایسه ماموگرافی چپ و راست   ۴۱

۳-۲-۳-          مقایسه دو نمای ماموگرافی        ۴۱

۳-۲-۴-          مقایسه زمانی ماموگرافی ۴۱

۳-۳-   مقایسه کمی روشهای تشخیص توده       ۴۲

۳-۴-   پیش پردازش تصویر از تصاویر ماموگرافی  ۴۵

۳-۵-   تقسیم بندی تصویر       ۴۶

۳-۵-۱-۱-      روش آستانه کلی……………..         ۴۶

۳-۵-۱-۲-      آستانه محلی (LT)          ………………………………………………………………………………………………………………………….۴۷

۳-۵-۱-۳-      طبقه بندی پیکسلهای تکرار شونده        ۴۷

۳-۵-۱-۴-      تشخیص لبه……………….   ۴۷

۳-۵-۱-۵-      تطبیق الگو………………….   ۴۷

۳-۵-۱-۶-       آرامش تصادفی…………..   ۴۸

۳-۵-۲-          روش فازی………. ۴۸

۳-۵-۳-          روش مقیاس چندگانه    ۴۹

۳-۶-   استخراج و انتخاب ویژگی         ۵۰

۳-۷-   تشخیص/طبقه بندی توده         ۵۰

۳-۷-۱-          تجزیه و تحلیل تفکیک خطی (LDA)     ۵۱

۳-۷-۲-          شبکه های عصبی مصنوعی (ANNها)    ۵۱

۳-۷-۳-          شبکه های بیزی ۵۱

۳-۷-۴-          درخت تصمیم گیری باینری      ۵۲

۳-۷-۵-          طبقه بند ترکیبی         ۵۲

۳-۸-   الگوریتم های تشخیص توده       ۵۳

۳-۹-   سایر روش های اخیرا پیشنهاد شده        ۵۴

۳-۱۰- بهبود کنتراست و متعادلسازی نویز         ۵۶

فصل ۴-          روش پیشنهادی و نتایج شبیه سازی       ۵۸

۴-۱-   مقدمه……..       ۵۸

۴-۲-   روش پیشنهادی ۵۹

۴-۲-۱-          ساختن دیکشنری        ۶۱

۴-۲-۲-          گام آموزشی     ۶۶

۴-۲-۳-          مرحله آزمودن   ۷۱

۴-۲-۴-          شناسایی خوشه ۷۲

۴-۳-   توضیحات کد اصلی برنامه         ۷۴

۴-۴-   بهینه سازی الگوریتم ها  ۷۵

فصل ۵-          نتیجه گیری و پیشنهادات         ۹۰

فهرست مراجع  ۹۲