{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q160",
        "title": "بخش‌بندی تصاویر سی‌تی‌اسکن ریه ",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1397",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q160",
        "title": "بخش‌بندی تصاویر سی‌تی‌اسکن ریه ",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1397,
        "authors": [
            {
                "name": "پرنیا قیصری",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "منصور فاتح",
                "role": "استاد راهنما"
            },
            {
                "name": "محسن رضوانی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "بخش‌بندی",
            "یادگیری تقویتی",
            "تصاویر ریه",
            "الگوریتم سارسا",
            "لبه‌یابی"
        ],
        "abstract": "با توجه به آمار‌های جهانی، بیماری‌های ریوی از جمله معضلات بزرگ دنیا است. بسیاری از بیماری‌های ریوی، غیرقابل درمان بوده و طول عمر فرد را کاهش‌ می‌دهند. تشخیص زود هنگام این بیماری‌ها کمک شایانی به درمان کامل بیماری و کاهش روند بیماری می‌کند. تشخیص بیماری‌های ریوی در اکثر مواقع از روی تصاویر سی‌تی‌اسکن ریه است. اما تشخیص بیماری‌ از روی این تصاویر، سخت و چالش‌بر انگیز است. این سختی به دلیل وجود نویز تصویربرداری، عدم شفافیت تصویر، شدت روشنایی‌های مبهم در برخی از اجزا و غیره است. رفع این چالش‌ها، تشخیص بیماری را برای پزشکان متخصص و تمامی سیستم‌های تشخیص خودکار آسان می‌کند. هدف از این پایان‌نامه بخش‌بندی صحیح تصاویر سی‌تی‌اسکن ریه جهت سهولت در شناسایی خودکار بیماری‌های ریوی است. بخش‌بندی صحیح به مفهوم تعیین دقیق‌ شدت روشنایی هر ناحیه، تعیین دقیق موقعیت مکانی پیکسل‌های هر ناحیه و حفظ شفافیت تصویر اصلی است. این بخش‌بندی با کمک روش یادگیری تقویتی انجام می‌شود. با این روش، تصویر شفاف و بدون نویز شده و اجزای تصویر با بهترین دقت و شدت روشنایی بخش‌بندی می‌شوند. روش پیشنهادی بر روی 200 داده برچسب‌گذاری شده اعمال شده است. این روش با سه نوع از روش‌های بخش‌بندی جدید مقایسه شده است. این مقایسه بر دو نوع کیفی و کمی صورت گرفته است. مقایسه کیفی طبق نظر پزشکان متخصص رادیولوژی سونوگرافی و مقایسه کمی مبتنی بر درصد شباهت ارائه شده توسط الگوریتم ارزیابی است. در هر سه روش ارزیابی، الگوریتم پیشنهادی نتیجه بهتری را به همراه داشته است. روش پیشنهادی با دقت بالای 90٪ بخش‌بندی تصاویر ریه موجود در دادگان را انجام می‌دهد که از دقت بالاتری در مقایسه با روش‌های قبل برخوردار است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_Q160.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}