پروپوزال تقسیم بندی ضایعه MS در تصاویر MRI مغز با استفاده از مدل تشخیص با کمک کامیپوتر با استفاده از ویژگیهای هندسی

این پروپوزال با موضوع "تقسیم بندی ضایعه MS در تصاویر MRI مغز با استفاده از مدل تشخیص با کمک کامیپوتر با استفاده از ویژگیهای هندسی" می باشد. فایل  Word, Pdf پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پروپوزال 7 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.

امکانات اصلی این پروپوزال پس از خرید عبارتند از:
  امکان دانلود فایل Word پروپوزال
  امکان دانلود فایل Pdf پروپوزال

توجه : در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.

بیماری اسکلروز چندگانه یا به اختصار MS   یک بیماری مزمن است که نوعی اختلال خودایمنی سیستم اعصاب مرکزی است که درنتیجه تخریب پوششِ میلین ، سبب ایجاد لکه های سفید یا پلاک های متعددی در مغز فرد می گردد. اسکلروزیس چندگانه یک بیماری بالقوه ناتوان‌کننده است که درآن سیستم ایمنی بدن، غلاف محافظی که اطراف اعصاب را پوشش می‌دهد ازبین می برد. این مورد در ارتباط بین مغز و سایر اندام ها مداخله نموده و درنهایت ممکن است موجب زوال اعصاب که یک روند غیرقابل برگشت می‌باشد، گردد . علائم به‌صورت گسترده‌ای متفاوت و وابسته به میزان صدمه واعصاب خاصی که تحت تأثیر قرارگرفته است می‌باشد. این ضایعات در بیشتر موارد بر ماده سفید موجود در عصب بینایی، ساقه مغز، و ستون فقرات، یا ماده سفید موجود در حوالی نزدیک به بطن جانبی تأثیر می‌گذارند . این ضایعات ماده سفید   معمولا در تصاویر MRI مغز قابل مشاهده هستند که به شکل کانون های سفید رنگ گرد و بیضوی متعدد در ماده سفید مغز نمایش داده می شوند که اصطلاحاً به آن پلاک می گویند. از تصاویر MRI برای بررسی کلینیکی و تحقیقاتی بیماری MS بسیار استفاده شده است. با این روش میتوان از وجود پلاکهای جدید و یا افزایش اندازه و تعداد آنها در بیمار مطلع شد. صحت شناسایی و تشخیص ضایعات MS در تصاویر MRI دشوار است و تقسیم بندی آن ممکن است همراه با خطا باشد. یک جایگزین دقیق برای تقسیم بندی ذهنی، تقسیم بندی با استفاده از کامپیوتر است که می تواند با دقت بیشتر و در زمان کوتاهتری برای پزشک صورت گیرد و تحت عنوان تقسیم بندی (قطعه بندی) تصویر در علوم کامپیوتر شناخته می شود. قطعه بندی یک تصویر، تقسیم بندی تصویر به تعدادی ناحیه است بطوری که پیکسل های هر ناحیه دارای حداقل یک ویژگی خاص و مشترک هستند که این ویژگی می تواند متعلق به یک شی از آن ناحیه باشد. اساسی ترین ویژگی در قطعه بندی یک تصویر، میزان شدت رنگ تصویر در یک تصویر رنگی و مولفه های رنگی آن، لبه های تصویر و بافت تصویر است. خروجی سیستم قطعه بندی تصویر، تصویری است که بخش های مختلف آن با استفاده از خطوط رنگی، اشکال هندسی و یا نواحی رنگی متفاوت از یکدیگر تفکیک شده اند که این نوع تفکیک موجب تسهیل در تحلیل بخش های مختلف تصویر می شود. بر همین اساس در طرح پیشنهادی هدف اصلی تقسیم بندی تصاویر MRI مغز به منظور تشخیص ناحیه ضایعه MS در این نوع تصاویر است. در طرح پیشنهادی از سیستم تشخیص به کمک کامپیوتر  یا به اختصار CAD استفاده خواهد شد. سیستم CAD یک روال تشخیص الگوی بسیار پیچیده است که می تواند با پردازش تصاویر پزشکی ساختارهای نامتعارف و مشکوک را در این نوع تصاویر تشخیص دهد. سیستم CAD از چهار مرحله اصلی تشکیل شده است که عبارتند از پیش پردازش، تقسیم بندی، تحلیل ساختار یا ناحیه موردنظرو طبقه بندی. در مرحله اول عملیاتی همچون حذف نمونه ها اضافی، حذف نویز، فیلترسازی و غیره از تصویر انجام می شود. در مرحله دوم عملیاتی همچون تفکیک نمودن نواحی مختلف تصویر از یکدیگر، انطباق بخش های تشخیصی با بانک اطلاعات و نمونه برداری از مقادیر خاکستری ناحیه مورد نظر انجام می شود. در مرحله سوم هر بخش تشخیص-داده شده به صورت مجزا و به منظور دست  یابی به مجموعه ای از ویژگی های خاص تعیین می شود. پس از تحلیل هر یک از ساختارهای تشخیص داده  شده، در مرحله آخر احتمال ناحیه موردنظر محاسبه شده و در صورتی که مقدار احتمالی قابل توجه باشد، ناحیه مورد نظر به عنوان ناحیه ضایعه در خروجی ذکر خواهد شد . لازم به ذکر است سیستم CAD می تواند شامل عملیات استخراج ویژگی و انتخاب ویژگی نیز باشد که در مرحله سوم قابل کاربرد است. در روش پیشنهادی قرار است از ترکیب ویژگی های آماری و رنگی تصاویر MRI نیز استفاده شود که ترکیب این دو نوع ویژگی شامل اطلاعات ظاهری و بافتی تصویر خواهد بود که تاثیر بسزایی در تشخیص ناحیه ضایعه خواهد داشت. در روش پیشنهادی مرحله آخر که قرار است تصمیم گیری در مورد ناحیه اصلی ضایعه را انجام دهد توسط یکی از روش  یادگیری ماشین انجام خواهد شد که دلیل این استفاده این است که برخلاف روش های موجود و میتنی بر مدل CAD که از تکنیک های پردازش تصویر بهره می  برند، در روش پیشنهادی ستون اصلی سیستم مدل  یادگیری ماشین می باشد که در این صورت انعطاف پذیری روش پیشنهادی در تشخیص ناحیه ضایعه MS در تصاویر MRI افزایش خواهد یافت و در نتیجه دقت تشخیص نیز بهبود خواهد یافت. 
اهداف تحقيق:
1 تشخیص ناحیه ضایعه MS در تصاویر MRI به صورت بهینه  انجام میشود به دلیل مقاوم بودن این روش نسبت به نویز، سادگی و سرعت محاسبات، سهولت استخراج ویژگی ها و همچنین مستقل بودن تشخیص از جابه جایی و اندازه.
2 روش های انسانی به منظور تشخیص ناحیه ضایعه در تصاویر MRI معمولا با خطا همراه بوده و عملی زمان بر است که با استفاده از تکنیک های تشخیص الگو و یادگیری ماشین، دقت و سرعت تشخیص را می توان تا حد بسیار زیادی افزایش دهد.
لازم به ذکر است که روش یادگیری مورد استفاده در این پژوهش، نوعی از شبکه های عصبی خواهد بود که در طبقه ی کلاس بندی قرار میگیرد.