فهرست مطالب:
فصل 1: مقدمه 10
1-1-مقدمه .11
فصل 2: مروری بر تشخیص سرطان سینه 12
2-1- سرطان سینه 13
2-2- عوامل خطرساز در سرطان سینه 14
2-3- اصول ماموگرافی 15
2-3-1- ماموگرافی تشخیصی 17
2-3-2- هدف ماموگرافی تشخیصی 17
2-3-3- ماموگرافی و غربالگری سرطان سینه 17
2-4- تشخیص با روش های كامپیوتری 18
2-5- تکنیک های چندگانه CAD 19
2-6- روش های تصویر برداری 19
2-6-1- ماموگرافی دیجیتال 19
2-6-2- کشف و تشخیص سرطان سینه با استفاده از ماموگرافی 20
2-6-3- کشف و تشخیص سرطان سینه به کمک کامپیوتر 22
2-7- تکنیک های کلیدی برای سیستم های CAD 23
2-7-1- روش های پردازش تصویر برای کشف خوشه های MC 23
2-7-1-1- روش های مقدماتی جلوه دادن تصویر 24
2-7-1-2- روش های مدلسازی تصادفی 24
2-7-1-3- روش های تجزیه چند مقیاسی 25
2-7-1-4- روش های یادگیری ماشین 26
2-7-2- کشف توده ها در عکس های ماموگرافی 28
2-7-3- کشف اعوجاج ساختاری در ماموگرام ها 33
2-7-4- کشف عدم تقارن دو طرفه در ماموگرام 35
2-7-5- جلوه دادن تصویر برای تشخیص سرطان سینه 38
2-7-6- بازیابی تصویر مبتنی بر محتوا (CBIR) در ماموگرافی 41
2-8- مروری بر تکنیک های جداسازی اتوماتیك توده 44
2-8-1- روش های مبتنی بر رشد ناحیه 45
2-8-2- خوشه بندی فازی C-means 45
2-8-3- تبدیل ویولت گسسته دو بعدی(DWT) 46
2-8-4- الگوریتم آب پخشان (Watersheds) 47
2-8-5- الگوریتمLinde Buzo and Gray Algorithm (LBG ) 47
2-8-6- منطق فازی 48
2-8-7- میدان تصادفی ماركوف 49
2-8-8- ماتریس هم رخداد 50
2-8-9- عملگرهای مورفولوژیكال 50
فصل 3: شبکه عصبی در تشخیص بیماری 52
3-1- مقدمه 53
3-2- شبکه عصبی 54
3-3- جنبه های اصلی طراحی شبکه عصبی 54
3-4- مدل شبكه عصبي و آموزش آن 56
3-5- تشخيص بيماري‌ها 57
3-5-1- استفاده از شبکه عصبی در تشخیص بیماری 57
3-6- كاربرد شبكه هاي عصبي مصنوعي در علوم پزشكي 58
3-6-1- سيستم هاي تشخيص بيماري 58
3-6-2- تجزيه و تحليل هاي بيوشيميايي 58
3-6-3- تجزيه و تحليل تصويربرداري پزشكي 58
3-6-4- توسعه دارويي 58
3-7- كاربرد شبكه‌هاي عصبي در تشخيص سرطان سينه 58
3-7-1- وردي هاي شبكه ها 59
3-7-2- پيش بيني سرطان بدخيم با استفاده از ماموگرافي 59
3-7-3- - پيش بيني سرطان پيشرفته با ماموگرافي 60
3-7-4- تشخيص بدخيم بودن سرطان با ultrasounds 61
3-8- پيش بيني و پيش آگاهي 61
فصل4 مروری بر کارهای گذشته در تشخیص سرطان سینه 62
4-1- مقدمه 63
4-2- بررسی تکنیک های شبکه عصبی برای طبقه بندی داده های سرطان سینه 64
4-3- تشخیص توده سرطان سینه درتصاویر ماموگراف 64
4-4- تشخیص تومور درتصاویر ماموگرافی با استفاده از تکنیک تدریج بردار 66
4-5- افزایش تصاویر ماموگرافی و حذف نویز 68
4-6- نظریه جدید برای تشخیص میكروكلسیفیكیشن ها 70
4-7- تشخیص اتوماتیك سرطان سینه درتصاویر ماموگرافی 71
4-8- تشخیص كامپیوتری بر اساس پردازش تصاویر پزشكی 73
4-9- الگوریتم هوش مصنوعی برای تشخیص تومور 74
4-10- سیستم های تشخیص كامپیوتری برای ماموگرافی دیجیتال 75
4-11- استفاده ازمیدان تصادفی ماركوف برای تشخیص تومو 77
4-12- تشخیص زود هنگام سرطان سینه با استفاده از تکنیک SVM 78
4-13- جداسازی اتوماتیك توده در تصاویر ماموگرافی 80
فصل 5: جمع بندی 81
5-1- جمع بندی 82
مراجع