Show simple item record

dc.contributor.advisorرضوی, سید ناصر
dc.contributor.advisorفرهودی, مهدی
dc.contributor.authorخضرپور, سامرند
dc.date.accessioned2022-02-26T07:38:07Z
dc.date.available2022-02-26T07:38:07Z
dc.date.issued1400en_US
dc.identifier.urihttp://dspace.tbzmed.ac.ir:8080/xmlui/handle/123456789/66197
dc.description.abstractمقدمه: تصویربرداری رزونانس مغناطیسی ( MRI) به طور گسترده در تشخیص سکته مغزی استفاده می‌شود. سکته مغزی سومین علت مرگ‌و‌میر و به علاوه بزرگترین علت ناتوانی در سراسر جهان است. تعیین موقعیت ضایعه مغزی نقش حیاتی در تصمیم گیری در مورد مداخله درمانی بهینه دارد. مواد و روش‌ها: در این پایان نامه، ساختاری برای بخش‌بندی خودکار ضایعات سکته مغزی با استفاده از تصاویر توالی FLAIR پیشنهاد شده است. شبکه پیشنهادی بر مبنای معماری یونت (U_net) و دارای رمزگذار و رمزگشا است که هر کدام دارای بلوک هایی است که از پنج لایه موازی تشکیل شده است. یافته‌ها: مدل پیشنهادی بر روی مجموعه داده‌های چالش ISLES2015 که برای بخش‌بندی ضایعات سکته مغزی ایسکمیک است، ارزیابی شد و میانگین ضریب دایس به دست آمده در مجموع بیش از 89 درصد بود. نتیجه گیری: از مهم‌ترین مراحل در پیاده سازی روشهای مبتنی بر یادگیری عمیق پیش پردازش و آماده سازی داده ها برای ورود به شبکه است. در این پژوهش نیز تاثیر گذاری روش تعدیل هیستوگرام تطبیقی با کنتراست محدود به عنوان پیش پردازش مشهود بود. همچنین در بخش معماری نیز ایجاد بلوک‌هایی با چند لایه کانولوشنی در یادگیری ویژگی ها و افزایش کارایی معماری تاثیر گذار بود.en_US
dc.language.isofaen_US
dc.publisherدانشگاه علوم پزشکی تبریز، دانشکده علوم نوین پزشکیen_US
dc.subjectیادگیری عمیقen_US
dc.subjectپیش‌پردازشen_US
dc.subjectشبکه‌های عصبی کانولوشنیen_US
dc.subjectمعماری یونتen_US
dc.subjectسکته مغزیen_US
dc.titleبخش‌بندی ضایعات سکته مغزی اسکمیک در تصاوير MRI با استفاده از شبکه‌های عصبي كانولوشنيen_US
dc.typeThesisen_US
dc.contributor.supervisorسید عربی, میر هادی
dc.contributor.departmentمهندسی پزشکیen_US
dc.description.disciplineمهندسی پزشکیen_US
dc.description.degreeکارشناسی ارشدen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record