Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/12871
Title: Εξαγωγή Χαρακτηριστικών Μαστογραφικών Μαζών Και Σύγκριση Της Διακριτικής Τους Ικανότητας Κατά Την Ταξινόμηση Με Χρήση Τεχνικών Μηχανικής Μάθησης
Authors: Κωνσταντίνα Τζαβέλλα
Νικήτα Κωνσταντίνα
Keywords: σύστημα υποβοηθούμενης διάγνωσης
μαστογραφία
μάζα
μηχανές υποστήριξης διανυσμάτων
νευρωνικά δίκτυα
ταξινομητής k-κoντινότερων γειτόνων χαρακτηριστικά υφής
μορφολογικά χαρακτηριστικά
Issue Date: 27-Jul-2015
Abstract: Τα τελευταία χρόνια ο καρκίνος του μαστού εξελίσσεται στην κυριότερη αιτία θανάτου για τις γυναίκες παγκοσμίως. Είναι ήδη ο πιο κοινός τύπος καρκίνου για τις γυναίκες. Παρόλα αυτά η έγκαιρη και έγκυρη διάγνωσή του μπορεί να οδηγήσει στην αποτελεσματική του θεραπεία. Η πιο σημαντική ως τώρα μέθοδος διάγνωσης είναι η Μαστογραφία λόγω της αποτελεσματικότητας και αξιοπιστίας της. Ωστόσο, ο εντοπισμός της βλάβης, ο υπολογισμός της πιθανότητας κακοήθειας και η κατηγοριοποίησή της σε καλοήθεια ή κακοήθεια είναι ένα πολύ δύσκολο εγχείρημα ακόμα και για έμπειρους ακτινολόγους. Για τον λόγο αυτό, τα τελευταία χρόνια πολλά συστήματα υποβοηθούμενης διάγνωσης (CADx) αναπτύχθηκαν με σκοπό να βοηθήσουν τους ακτινολόγους στην διάγνωση της ασθένειας.Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη μεθοδολογιών που μπορούν να χρησιμοποιηθούν σε ένα αυτόματο σύστημα υποβοηθούμενης διάγνωσης (CADx) για μάζες που εντοπίζονται σε μαστογραφικές εικόνες. Οι μεθοδολογίες ελέγχονται σε μεγάλο πλήθος μαστογραφιών από τη βάση μαστογραφιών DDSM ώστε να έχουμε όσο το δυνατόν πιο αξιόπιστα αποτελέσματα. Συγκεκριμένα, συγκρίναμε τρεις ομάδες χαρακτηριστικών μαστογραφικών μαζών ως προς τη διακριτική τους ικανότητα στην ταξινόμηση μαζών διαφορετικής πυκνότητας και διακριτικότητας. Παράλληλα, συγκρίναμε τις επιδόσεις τριών από τους πιο δημοφιλείς ταξινομητές, SVM, Νευρωνικό Δίκτυο και ταξινομητή k-NN. Τα αποτελέσματα ήταν ενθαρρυντικά αφού το συνολικό ποσοστό ακρίβειας για τις 1214 Περιοχές Ενδιαφέροντος έφτασε το 72.82% ενώ σε κάποια υποσύνολα το 87.57%.
URI: http://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/12871
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File SizeFormat 
DT2015-0225.pdf2.36 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.