Skip to main content
SUPERVISOR
Rasoul AmirFattahi,Said Sadri
رسول امیر فتاحی ورنوسفادرانی (استاد راهنما) سعید صدری (استاد راهنما)
 
STUDENT
Nahid Ghofrani
ناهید غفرانی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1385
After breast cancer, cervical cancer is the second cause of death among women. Also, this cancer has the tenth rank in the world, among women and men. The statistics show that early diagnosis and treatment in the early stages, can decrease mortality rate of this disease. So the number of women tests is very large in each city and throughout the country. There are various methods for diagnosing this disease. At present in many countries, including our country , Iran , one of the most common and low-cost methods for detection and 0.9632 is obtained for a special group of features which are selected by Genetic algorithm. Also, True Positive rate and False Positive rate obtained by SVM are 96% and 4%, respectively. Key Words Cervical Cancer, Pap Smear Test, Computer Aided Diagnosis System, Feature Extraction, Feature Selection, dir=rtl
سرطان دهانه رحم، دومین عامل مرگ و میر در میان زنان، پس از سرطان سینه است. همچنین این سرطان، دهمین رتبه در میان کل سرطان های زنان و مردان را به خود اختصاص داده است. روش های متنوعی برای تشخیص این بیماری وجود دارد. در حال حاضر در بسیاری از کشورها و از جمله ایران، یکی از معمول ترین و کم هزینه ترین روش ها، آزمایش پاپ اسمیر است. تشخیص سرطان یا حالت پیش سرطانی، وابسته به یافتن سلول های غیرطبیعی بر روی لام، توسط یک متخصص سلول شناس است. یک لام ممکن است شامل صدها یا هزاران سلول باشد، بنابراین امکان بررسی نشدن کامل سلول ها به دلیل تعداد زیاد آن ها، عدم توجه و یا خستگی پزشک متخصص وجود دارد. از طرفی آمار نشان می دهد که تشخیص زودهنگام بیماری و درمان در مراحل اولیه، در کاهش مرگ و میر ناشی از این بیماری نقش بسزایی دارد. از این رو می توان در بسیاری موارد، یک سیستم تشخیص کامپیوتری را برای بررسی وجود یا عدم وجود ضایعات سرطانی و پیش سرطانی، در کنار پزشک مربوطه قرار داد. در این تحقیق ما سعی در طبقه بندی سلول های به دست آمده از تست پاپ اسمیر به دو دسته طبیعی و غیرطبیعی داریم. در موارد سرطان و یا پیش سرطانی، سلول های طبیعی دستخوش تغییراتی شده و تبدیل به سلول های غیرطبیعی می گردند. در ابتدا گروه های ویژگی متعددی مانند ویژگی های مربوط به شکل شناسی و ویژگی های بافتی، از تصاویر سلولی مربوطه استخراج می گردد. تعداد ویژگی های به دست آمده بسیار زیاد است. در مرحله بعد، برای کاهش تعداد ویژگی ها و همچنین افزایش بازدهی الگوریتم، روشی برای انتخاب ویژگی های مؤثر با استفاده از الگوریتم ژنتیک و روش حذف بازگشتی ویژگی ها، پیشنهاد شده است. برای دسته بندی سلول ها، از میان روش های موجود، از روش ماشین های بردار پشتیبانی (SVM) به عنوان یکی از مطمئن ترین روش های طبقه بندی استفاده شده است. نتیجه الگوریتم نهایی طبقه بندی، با استفاده از ویژگی های انتخاب شده توسط الگوریتم ژنتیک، مقدار سطح زیر منحنیِ برابر با 0/9632 است. همچنین میزان درصد مثبت صحیح (TP) به دست آمده توسط SVM برابر با 96% و درصد مثبت اشتباه (FP) حاصله، برابر با 4% می باشد. واژگان کلیدی: سرطان دهانه رحم، آزمایش پاپ اسمیر، تشخیص کامپیوتری، استخراج ویژگی، انتخاب ویژگی، طبقه بندی

ارتقاء امنیت وب با وف بومی