Loading...

An Approach for Cancer Diagnosis Based on Graph Modeling

Taghizadeh, Ghasem | 2016

779 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 48796 (19)
  4. University: Sharif University of Technology
  5. Department: Computer Engineering
  6. Advisor(s): Habibi, Jafar
  7. Abstract:
  8. Digital image analysis of histological datasets is a currently expanding field of research. Histological images are inherently complex in nature and contain a wide variety of visual information. Graph-based methods have recently gained immense popularity, as these methods can effectively describe tissue architecture and provide adequate numeric information for subsequent computer-based analysis. Graphs have the ability to represent spatial arrangements and neighborhood relationships of different tissue components, which are essential characteristics observed visually by pathologists during the investigation of specimens. In this thesis, we proposed an automatic approach for classification histological images to benign or malignant. The contributions of this thesis are using an automatic method for cell segmentation, extracting image features with graph features and using a regression-based method instead of classification. The aforementioned contributions yield better accuracy (%96:8) rather than the other approaches. In recent, we designed and proposed a framework for facilitating future works in this field of research that can be used for methods comparison
  9. Keywords:
  10. Classification ; Feature Extraction ; Cancer Diagnosis ; Microscopic Image ; Gragh Based Method ; Histological Images Analysis ; Tissue Type Diagnosis

 Digital Object List

 Bookmark

  • مقدمه
    • اهمیت و کاربرد
    • صورت مسئله
    • هدف پژوهش
    • مزایای راهکار پیشنهادی
    • توسعه در آینده
    • ساختار پایان‌نامه
  • تعاریف و مفاهیم پایه زیست‌شناسی
    • مقدمه
    • مفاهیم پایه
    • اصول کلی پیام‌رسانی سلول
    • جمع‌بندی
  • پیشینه پژوهش
    • مقدمه
    • راهکار کلی مبتنی بر گراف در تشخیص سرطان
      • گام اول: جمع‌آوری داده
      • گام دوم: پردازش تصویر
      • گام سوم: تولید گراف
      • گام چهارم: استخراج ویژگی‌ها
      • گام پنجم: دسته‌بندی
    • بررسی پژوهش‌های پیشین
    • جمع‌بندی
  • راهکار پیشنهادی
    • مقدمه
    • مجموعه داده
    • تشریح راهکار پیشنهادی
      • تشخیص و شناسایی هسته‌ی سلول‌ها
      • ساخت گراف با استفاده از موقعیت سلول‌ها
      • استخراج ویژگی‌های گراف
      • استخراج ویژگی‌های تصویر
      • ساخت مدل یادگیری
    • جمع‌بندی
  • پیاده‌سازی سامانه
    • مقدمه
    • معماری سامانه
    • لایه‌های پلاگین
      • لایه دید
      • لایه دیدمدل
      • لایه‌ مدل
    • اسکریپت نویسی R در سامانه
    • مدیریت سناریو
    • جمع‌بندی
  • نتایج و ارزیابی
    • مقدمه
    • ارزیابی گام پردازش تصویر
    • ارزیابی گام دسته‌بندی
      • ارزیابی دقت دسته‌بندی با الگوریتم‌های SVM، MLP و C4.5
      • ارزیابی دقت دسته‌بندی با الگوریتم SVM-NSGA-II
      • مقایسه دقت الگوریتم SVM-NSGA-II با الگوریتم‌های SVM، MLP و C4.5
    • جمع‌بندی
  • نتیجه‌گیری و پیشنهادها
    • نتیجه‌گیری
    • پیشنهادها
  • تئوری گراف
    • مقدمه
    • نمودار ورونوی
    • مثلث‌بندی دلونی
    • درخت پوشای کمینه
  • یادگیری ماشین
    • مقدمه
    • الگوریتم ماشین بردار پشتیبان
    • شبکه عصبی پرسپترون
    • الگوریتم C4.5
    • سنجه‌هایی جهت ارزشیابی کارایی دسته‌بند
    • اعتبارسنجی متقابل
  • الگوریتم ژنتیک چند هدفی NSGA-II
    • مقدمه
    • الگوریتم ژنتیک چند هدفی NSGA-II
    • روش کار NSGA-II
  • کتاب‌نامه
  • واژه‌نامه‌ی فارسی به انگلیسی
...see more