[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
صفحه اصلی::
مدیریت دانشکده::
درباره دانشکده::
معرفی افراد::
امور آموزش ::
امور پژوهش::
اخبار دانشکده::
فضاهای آموزشی و تحقیقاتی::
تسهیلات پایگاه::
ارتباط با صنعت::
لینک های مفید::
تماس با ما::
گروه های دانشجویی::
::
مراکز تحقیقاتی و پزوهشی
مرکز تست و پایش ماشین های الکتریکی

مرکز تحقیقات نانوپترونیکس 

پژوهشکده سبز  

پژوهشکده الکترونیک 

آزمایشگاه تحقیقاتی الکترونیک قدرت 

قطب علمی اتوماسیون و بهره برداری از سیستمهای قدرت 

مجله مهندسی برق و الکترونیک 

پژوهشکده مهندسی و فناوری عصبی ایران  

آزمایشگاه تحقیقاتی آنتن 

مرکز مطالعات راهبردی وبین الملل فاوا

..
پیوند با سیستم های دانشگاه

AWT IMAGE
AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

..
مصاحبه تخصصی دکترای برق 97

..
جستجو در پایگاه

جستجوی پیشرفته
..
نظرسنجی
کدام بخش از سایت دانشکده مهندسی برق بیشتر مورد استفاده شما قرار می گیرد؟
آموزش و اطلاعیه های آموزشی
پژوهش و اطلاعیه های پژوهشی
اطلاعات دانشکده و اساتید
اخبار
اکثر موارد موجود در سایت
   
..
نظرسنجی
ارزیابی شما از سایت دانشکده مهندسی برق چیست؟
اطلاعات ارائه شده در حد کفایت است.
اطلاعات ارائه شده مطلوب است ولی نیاز به اطلاعات بیشتر می باشد.
اطلاعات ارائه شده کافی نیست.
   
..
درج نظر
به نظر شما کمبودهای سایت دانشکده برق چیست و برای رفع آن ها چه اقداماتی باید انجام شود؟ برای درج نظر کلیک نمایید.
..
:: دفاعیه آقای امین سلحشور آرین ::
 | تاریخ ارسال: ۱۳۹۷/۳/۲۰ | 
چکیده
سرطان سینه به نوعی سرطان گفته می‌شود که از بافت پستان آغاز می‌شود. در سراسر دنیا، سرطان سینه مهم‌ترین نوع سرطان در زنان است و ۲۵ درصد از تمام موارد سرطان را به خود اختصاص می‌دهد. تشخیص و شناسایی سرطان سینه می‌تواند با روش‌های تصویربرداری مانند ماموگرافی تشخیصی، تصویربرداری تشدید مغناطیسی، فراصوت و حرارت‌نگاری انجام شود. با این حال، برای تشخیص سرطان، بافت‌برداری تنها راه مطمئن است. این روش شامل نمونه‌های جمع‌آوری شده سلول‌ها یا بافت سینه می‌باشد که در سراسر اسلاید میکروسکوپ برای رنگ‌آمیزی و بررسی میکروسکوپی بصورت ثابت قرار گرفته‌اند. تشخیص از روی تصاویر بافت شناسی بهترین روش جهت تشخیص انواع سرطان‌ها از جمله سرطان سینه می‌باشد.این مسائل می‌توانند توسط روش غربال‌گری خودکار که روش‌های کارآمد و دقیقی را ارائه می‌دهند، بررسی شوند. با توجه به خطای انسانی در تشخیص سرطان از روی تصاویر بافت شناسی، در این پروژه سعی شد تا الگوریتمی برای تشخیص خودکار و مستقل از عامل انسانی سلول‌های سرطانی ارائه شود. ما در این پایان نامه از مجموعه داده BreaKHis که یک مجموعه داده بزرگ نسبت به دیگر داده ها در زمینه تصاویر سرطان سینه است استفاده کردیم. بدلیل زیاد بودن تعداد داده ها، نتایج بدست آمده از ین مجموعه داده قابل اطمینان‌تر است. با توجه به پیچیدگی بافت‌های سینه و در نتیجه تصاویر بافت‌شناسی سینه، استخراج ویژگی از این تصاویر بسیار حائز اهمیت می‌باشد. ما با استفاده از ۸ توصیف گر مختلف استخراج ویژگی کردیم و با توجه به پیچیدگی بالای تصاویر بافت‌شناسی، روش‌های متنوع انتخاب ویژگی جهت بهبود کارایی مدل روی ویژگی ها اعمال کردیم تا بهترین ویژگی‌هایی را که منجر به حداکثر تفکیک‌پذیری بین تصاویر خوش خیم و بدخیم می شود را بدست بیاوریم. سپس جهت طبقه‌بندی از چهار نوع طبقه‌بند استفاده شد و جهت ارزیابی مدل، ماتریس اختلاط و منحنی ROC را بدست آوردیم. در نهایت، معیارهای AUC، صحت، اختصاصیت و حساسیت نشان از برتری و رقابتی بودن این الگوریتم در قیاس با سایر الگوریتم‌های بکار برده شده در این حوزه را دارد.
دفعات مشاهده: 221 بار   |   دفعات چاپ: 7 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
کلیه حقوق مادی و معنوی این سایت متعلق به دانشکده مهندسی برق دانشگاه علم و صنعت ایران می باشد . نقل هرگونه مطلب با ذکر منبع بلامانع می باشد .
Persian site map - English site map - Created in 0.21 seconds with 53 queries by YEKTAWEB 3855