پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو

word
78
3 MB
32206
1393
کارشناسی ارشد
قیمت: ۱۰,۱۴۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو

    پایان‌نامه برای دریافت درجه کارشناسی ارشد

    در رشته مهندسی برق گرایش مخابرات میدان

    چکیده

    این پایان­نامه به کاربردها و توسعه­ی تکنیک ­های معکوس زمانی (Time-Reversal) بر اساس روش­های پردازش سیگنال برای امواج الکترومغناطیس باند پهن در محیط­های همگن و تصادفی گسسته و پیوسته تمرکز دارد. روش­های معکوس زمانی بر اساس تغییرناپذیری معادلات ماکسول تحت شرایط معکوس شدن مؤلفه­ی زمانی آن، یکی از تکنیک­های مناسب و قابل توجه برای تصویربرداری می­باشند. با افزایش ناهمگنی و پراکندگی چندگانه در محیط، دقت این تکنیک­ها افزایش می­یابد. به دلیل موفقیت تکنیک معکوس زمانی در امواج صوتی، علاقه­ی زیادی در استفاده از روش Time Reversal با امواج الکترومغناطیس در فرکانس رادیویی بوجود آمده است. در این پایان نامه ابتدا به بررسی وضوح بالای تمرکز امواج الکترومغناطیس UWB معکوس شده­ی زمانی در محیط زمینه­ی تصادفی پیوسته نوع اول و دوم پرداخته خواهد شد. همچنین دو تکنیک­ DORT و TR-MUSIC که روش­های تصویربرداری با وضوح بالا برای تشخیص و مکان­یابی اهداف پنهان شده در محیط­های همگن و ناهمگن می­باشند، را از پایه معرفی نموده، آن را در آزمایشگاه عددی FDTD کد نویسی و پیاده­سازی کرده و پارامترهای مؤثر در کارایی این تکنیک­ها را ارزیابی می­نماییم. عملکرد این دو تکنیک در تصویربرداری مایکروویو در یک محیط ناهمگن تصادفی شامل پراکنده کننده­های نقطه­ای نشان داده شده است. محیط ناهمگن تصادفی درنظرگرفته شده بر اساس تغییرات مکانی نفوذپذیری خاک می­باشد. اثر پارامترهای یک محیط ناهمگن تصادفی بر روی مقادیر ویژه و بردارهای ویژه­ی اپراتور معکوس زمانی برای دو هدف نزدیک به هم مورد بررسی قرار خواهد گرفت. در ادامه، به مسأله­ی تصویربرداری ماکروویوی با استفاده از تکنیک TR-MUSIC در حالت کلی، جنبه­ی ویژه و کاربردی­اش را اضافه نموده و آن را به سوی مسأله­ی «تصویربرداری از پشت دیوار» هدایت می­نماییم. اثرات پلاریزاسیون با استفاده از این تکنیک در این مثال کاربردی مورد شبیه سازی و تحلیل قرار می­گیرد، همچنین در این راستا نشان داده می­شود که این تکنیک حتی برای حالتی که دیوار دارای تلفات شدید باشد، نتایج قابل قبولی را بدست می­دهد. در نهایت به ردیابی هدف در پشت دیوار با استفاده از تکنیک TR-MUSIC پرداخته خواهد شد.

    واژه‌های کلیدی

     تصویربرداری ماکروویو، تکنیک ­های DORT و TR-MUSIC، محیط تصادفی پیوسته، پلاریزاسیون، موقعیت­یابی هدف از پشت دیوار.

    تصویربرداری الکترومغناطیس

    تصویربرداری الکترومغناطیس با استفاده از فرکانس رادیویی (RF)، ماکروویو و یا سیگنال­های نوری، به دلیل ویژگی­های منحصربه فرد خود به عنوان یک ابزار تشخیصی همواره مورد استفاده بوده است. تصویربرداری الکترومغناطیس توجه زیادی را به خود جلب کرده است و بنابراین تحقیقات گسترده­ای در این زمینه انجام شده است، که علّت آن، تنوع و تناسب این روش تصویربرداری برای کاربردهای وسیع آن می­باشد. برای مثال، تصویربرداری ماکروویو (MWI)[1] در تست غیر مخرب (NDE)[2]، برای تشخیص عیب در مواد واندازه­گیری کمیت­های فیزیکی به کار گرفته شده است ]1 [. همچنین برای توصیف مواد مانند تعیین اجزای تشکیل دهنده و ارزیابی تخلخل[3] می­تواند استفاده شود. در کاربردهای نظامی، توانایی نفوذ امواج الکترومغناطیس در مواد دی الکتریک باعث استفاده از آن­ها در بازجویی­های نظامی شده است ]2[. در کاربردهای هوا و فضا، برای تشخیص ترک بر روی بدنه­ی هواپیما استفاده می­شود ]3[. در زمینه­ی اکتشافات جغرافیایی، MWI در تشخیص از راه دور برای شناسایی تونل، بقایای دفن زباله و مین­های زیر زمینی منفجر نشده به کار گرفته می­شود ]4 [. در کاربردهای مهندسی عمران و صنعت، MWI برای ارزیابی یکپارچگی ساختار جاده­ها، ساختمان­ها و پل­ها می­تواند مفید واقع شود ]5[. در حال حاضر، در زمینه­ی پزشکی، سیستم­های MWI برای تصویربرداری بیولوژیکی[4] غیر تهاجمی ارائه شده است ]6[.

    از این لیست کوتاه و ناقص، آشکار است که دامنه تصویربرداری الکترومغناطیسی گسترده است و برای آن کاربردهای بسیاری در زمینه­های مختلفی می­تواند یافت شود. در برخی از این کاربردها، تنها نیاز به اطلاعات کیفی در مورد جسم تحت آزمون است، در حالی که در بسیاری از موارد، مانند کاربردهای مین روبی[5]، بررسی باستان شناسی غیر تهاجمی و یا تصویربرداری پزشکی، نیاز به اطلاعات کمی در مورد جسم هدف است که با استفاده از خواص دی الکتریک[6] می­تواند تعیین شود. این خواص دی الکتریک، رسانایی ( )[7] و گذردهی نسبی ( )[8]، با استفاده از انتقال، انعکاس و میرایی سیگنال­های ماکروویو در هنگام عبور از جسم تعیین می­شوند.

    1-2 تصویربرداری ماکروویو

     تصویربرداری ماکروویو عبارت از هدایت و انجام یک سری اندازه­گیری­های الکترومغناطیس در باند ماکروویو، بر روی یک شیء و سپس استخراج پارامتر­های مهم نظیر شکل و موقعیت آن شی از داده­های حاصل شده، است. پیش از ابداع چنین روشی، استفاده از اشعه­ی ایکس[9] روش متداول در تصویربرداری از اشیاء غیر قابل رویت بود. امّا تصویر حاصل با استفاده از این پرتو با خطا همراه است و همچنین یک روش تصویربرداری تهاجمی به حساب می­آید. در این صورت ایده­ی استفاده از امواج الکترومغناطیس جهت تصویربرداری مطرح گردید. دلیل استفاده از پالس­های با پهنای باند وسیع (UWB)[10] به جای سیگنال­های تک فرکانس یا در یک محدوده­ی فرکانسی خاص، کاهش مشخصه­ی انعکاس­های داخلی اشیاء مورد پرتو دهی است، در این صورت استفاده از امواج الکترومغناطیس توجیه می­شود. استفاده از تصویربرداری ماکروویو در زمینه­های مختلف در حال افزایش می­باشد ولی به دلیل ضعف در ارائه­ی الگوریتم­های جامع و کاربردی، هنوز نیاز به توسعه­ی بیشتر دارد.

     

     

    Abstract:

     

    This dissertation focuses on the application and development of time reversal (TR) based signal processing techniques for ultrawideband (UWB) electromagnetic waves in homogeneous and discrete and continuous random media. One of suitable and considerable methods for imaging is Time-reversal techniques that exploit the invariance of the Maxwell equation under time reversal. By multiple scattering in the intervening media, refocusing resolution can be increased. With the success of initial TR experiments in acoustics, there has been a strong interest in the application of TR methods using radio frequency electromagnetic (EM) waves. In dissertation investigate the super resolution effects of time-reversed UWB EM waves under continuous random background media and examine their dependency on the first- and second-order statistics. DORT and TR-MUSIC that are super-resolution imaging methods for locating and detecting hidden objects in complex environments, inhomogeneous, and cluttered media, are comprehensively introducing from beginning, implement them in FDTD – own numerical lab, and evaluating particular affecting the performance of these techniques. Furthermore the effect of random medium statistics on the TR operator eigenvalues and eigenvectors for two close targets is inspected. In continue, we add a particular and applicable aspect of TR-MUSIC based Microwave Imaging and conduct it toward the problem of “Through-Wall Microwave Imaging”. The polarization of the EM waves is also analyzed to observe the depolarization effects on the refocusing of TR-MUSIC in this practical example. Also in this respect will be shown that this technique even for the case when the wall is extremely casualties, gives acceptable results. Also in this respect will be shown that this technique even for the case when the wall is extremely casualties, gives acceptable results.

    Keywords:

    Microwave imaging, DORT and TR-MUSIC,continuous random environment, polarization, tracking target from behind the wall.

  • فهرست و منابع پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو

    فهرست:

    فصل 1 مقدمه                                                                                                                                   1

    1-1 تصویربرداری الکترومغناطیس                                                                                                            2

    1-2 تصویربرداری ماکروویو                                                                                                                         3

    1-3 مروری بر پیشینه­ی تکنیک­های Time-Reversal                                                                         5

    1-4 دور نمای پایان نامه                                                                                                              6

     

    فصل 2: تکنیک معکوس زمانی وضوح بالا                                                                                          8

    2-1 مقدمه                                                                                                                    9

    2-2 Time-Reversal                                                                                                            9

     2-3 تئوری Time-Reversal                                                                                                     12

    2-4 معرفی آزمایشگاه عددی برای پیاده سازی Time-Reversal                                                           13

    2-5 مدل­های محیط تصادفی                                                                                                      14  

    2-6 تنظیم محاسباتی                                                                                                               16

    2-7 نتایج عددی                                                                                                                     16

       2-7-1 اثرات محیط تصادفی گسسته                                                                                   17             

       2-7-2 اثرات محیط آماری مرتبه­ی اول                                                                                      19

       2-7-3 اثرات محیط آماری مرتبه­ی دوم                                                                                      19

     

    فصل 3: تصویربرداری با تحلیل عملگر وارون زمانی                                                                         21

    3-1 مقدمه                                                                                                                     22

    3-2 تجزیه­ی ماتریس عملگر زمانی                                                                                               25

    3-3 روش DORT                                                                                                                   29     

        3-3-1 شبیه سازی DORT                                                                                              30 3-4 روش TR-MUSIC                                                                                                            35

    3-5 نتایج شبیه سازی در محیط­های تصادفی                                                                                  41        

       3-5-1 اثرات محیط آماری مرتبه­ی اول                                                                                   41

       3-5-2 اثرات محیط آماری مرتبه­ی دوم                                                                                      42

     

    فصل 4: تصویربرداری در حضور مانع                                                                                               46

    4-1 مقدمه                                                                                                                     47      

    4-2 بررسی اثر پلاریزاسیون در وضوح تصویر                                                                                47

       4-2-1 بررسی مد                                                                                                         48                                                                                                

       4-2-2 بررسی مد                                                                                                                 49

     4-3 تأثیر دیوار بتن مسلح و پارتیشن­بندی در داخل اتاق بر TWI                                                         53

        4-3-1 تأثیر دیوار بتن مسلح                                                                                                   53

        4-3-2 تأثیر دیوار بتن مسلح و پارتیشن بر TWI                                                                           55

    4-4 ردیابی اهداف متحرک در پشت دیوار                                                                                      55

    4-5 نتیجه­گیری                                                                                                                       59

    4-6 تحقیقات آینده                                                                                                         60

    مراجع                                                                                                                                 62

     

    منبع:

     

    [1] M. Pastorino, \Modern microwave: inverse-scattering techniques for image reconstruction," Instrumentation Measurement Magazine, IEEE, vol. 1, no. 4, pp. 20{25, 1998.

    [2] L. P. Song, C. Yu, and Q. H. Liu, \Through-wall imaging (twi) by radar: 2- d tomographic results and analyses," Geoscience and Remote Sensing, IEEE Transactions on, vol. 43, no. 12, pp. 2793{2798, 2005.

    [3] C. Huber, H. Abiri, S. Ganchev, and R. Zoughi, \Modeling of surface hairline- crack detection in metals under coatings using an open-ended rectangular waveguide," Microwave Theory and Techniques, IEEE Transactions on, vol. 45, no. 11, pp. 2049{2057, 1997.

    [4] A. Abubakar and P. M. van den Berg, \Non-linear three-dimensional inversion of cross-well electrical measurements," Geophysical Prospecting, vol. 48, p. 109134, 2000.

    [5] S. J. Lockwood and H. Lee, \Pulse-echo microwave imaging for nde of civil structures: Image reconstruction, enhancement, and object recognition," In- ternational Journal of Imaging Systems and Technology, vol. 8, pp. 407{412, 1997.

    [6] S. Semenov, “Microwave tomography: review of the progress towards clinical applications,” Phil. Trans. R. Soc. A, vol. 367, p. 30213042, 2009.

    [7] A. Sabouni, “Ultra-WideBand (UWB) Microwave Tomography using Full-Wave Analysis Techniques for Heterogeneous and Dispersive Media” Doctor of Philosophy. Department of Electrical and Computer Engineering, University of Manitoba, 2011.

    [8] M. Fink, D. Cassereau, A. Derode, C. Prada, P. Roux, M. Tanter, J. Thomas, and F.Wu, “Time-reversed acoustics,” Rep. Prog. Phys., vol. 63, pp. 1933–1995, 2000. 3, 14, 24, 31, 96

    [9] D. M. Pepper, “Nonlinear optical phase conjugation,” Optical Engineering, vol. 21, no. 2, p. 156, March/April 1982. 4

    [10] M. Fink, C. Prada, F. Wu, and D. Cassereau, “Self focusing in inhomogeneous media with time-reversal acoustic mirrors,” IEEE Ultrason. Symp, vol. 1, pp. 681–686, 1989. 4

    [11] G. F. Edelmann, T. Akal, W. S. Hodgkiss, S. Kim, W. A. Kuperman, and H. C. Song, “An initial demonstration of underwater acoustic communications using time reversal,” IEEE Jour. of Oceanic Eng., vol. 27, pp. 602–609, July 2002. 4, 5

    [12] S. Kim, W. A. Kuperman, W. S. Hodgkiss, H. C. Song, G. F. Edelman, and T. Akal, “Robust time reversal focusing in the ocean,” J. Acoust. Soc. Am., vol. 114, no. 1, pp. 145–157, Jul 2003. 4

    [13] C. Prada, S. Mannevile, D. Spoliansky, and M. Fink, “Decomposition of the time reversal operator: Detection and selective focusing on two scatterers,” J. Acoust. Soc. Am., vol. 99, pp. 2067–2076, 1996. 4, 5, 32, 33, 40, 80, 95, 98

    [14] E. Kerbrat, C. Prada, and D. Cassereau, “Ultrasonic nondestructive testing of scattering media using the decomposition of the time-reversal operator,” IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 49, no. 8, pp. 1103–1112, 2002. 4, 5

    [15] W. Kohler, G. Papanicolaou, and B. White, “Localization and mode conversion for elastic waves in randomly layered media,” Wave Motion, vol. 23, pp. 1–22 and 181–201, 1996. 4

    [16] G. Papanicolaou, L. Ryzhik, and K. Solna, “Statistical stability in time reversal,” SIAM J. Appl. Math., vol. 64, no. 4, pp. 1133–55, 2004. 4

     [17] P. Blomgren, G. Papanicolaou, C. Tsogka, and J. Berryman, “Super resolution in time reversal acoustics,” J. Acoust. Soc. Am., vol. 111, no. 1, pp. 230–48, 2002. 4, 101

    [18] S. Hou, K. Solna, and H. Zhao, “Imaging of location and geometry for extended targets using the response matrix,” J. Comp. Phys., vol. 199, no. 1, pp. 317–338, 2004. 5

    [19] N. Mordant, C. Prada, and M. Fink, “Highly resolved detection and selective focusing in a waveguide,” J. Acoust. Soc. Am., vol. 105, no. 5, pp. 2634–2642, May 1999. 5

    [20] G. Micolau and M. Saillard, “DORT method as applied to electromagnetic sensing of buried objects,” Radio Sci., vol. 38, no. 3, pp. 4–1–12, 2003. 5, 6, 33, 40, 49, 81, 98, 99

    [21] A. J. Devaney, E. A. Marengo, and F. K. Gruber, “Time-reversal-based imaging and inverse scattering of multiply scattering point targets,” J. Acoust. Soc. Am. vol. 118, pp. 3129–3138, 2005. 5, 96, 101

    [22] E. A. Marengo and F. K. Gruber, “Single-snapshot time-reversal music and maximum likelihood estimation for active target location including multiple scattering,” IEEE Trans. Antennas Propagat., 2008, under review. 5, 96

    [23] W. J. Higley, P. Roux, W. A. Kuperman, W. S. Hodgkiss, H. C. Song, T. Akal, and M. Stevenson, “Synthetic aperture time-reversal communications in shallow water: Experimental demonstration at sea,” J. Acoust. Soc. Am., vol. 118, no. 4, pp. 2365–2372, Oct 2005. 5

    [24] Y. F. Chen, E. Gunawan, K. S. Low, S. C. Wang, Y. Kim, and C. B. Soh, “Pulse design for time reversal method as applied to ultrawideband microwave breast cancer detection: A two-dimensional analysis,” IEEE Trans. Antennas Propagat., vol. 55, no. 1, pp. 194–204, Jan 2007. 6

    [25] D. H. Liu, S. Vasudevan, J. Krolik, G. Bal, and L. Carin, “Electromagnetic time-reversal source localization in changing media: Experiment and analysis,” IEEE Trans. Antennas Propagat., vol. 55, pp. 344–354, Feb 2007. 6, 96

     [26] D. H. Chambers and J. G. Berryman, “Analysis of the time-reversal operator for a small spherical scatterer in an electromagnetic field,” IEEE Trans. Antennas Propagat., vol. 52, no. 7, pp. 1729–1738, July 2004. 6, 33, 40, 49, 98

    [27] J. L. Thomas, F. Wu, and M. Fink, “Time reversal focusing applied to lithotripsy,” Ultrason. Imag., vol. 18, no. 2, pp. 106–121, April 1996. 4, 96

    [28] G. Montaldo, P. Roux, A. Derode, C. Negreira, and M. Fink, “Ultrasonic shock wave generator using 1-bit time-reversal in a dispersive medium : application to lithotripsy,” Appl. Phys. Lett., vol. 80, no. 5, pp. 897–899, 2002. 4

    [29] M. Tanter, J. L. Thomas, and M. Fink, “Focusing and steering through absorbing and aberrating layers: Application to ultrasonic propagation through the skull,” J. Acoust. Soc. Am., vol. 103, pp. 2403–2410, May 1998. 4, 64

    [30] P. Kosmas and C. M. Rappaport, “Time reversal with the fdtd method for microwave breast cancer detection,” IEEE Trans. Microwave Theory Tech., vol. 53, pp. 2317–2323, July 2005. 5, 6, 65, 66, 90

    [31] T. Leutenegger and J. Dual, “Non-destructive testing of tubes using a time reverse numerical simulation (trns) method,” Ultrasonics, vol. 41, no. 10, pp. 811–822, May 2004. 5

    [32] M. Saillard, P. Vincent, and G. Micolau, “Reconstruction of buried objects surrounded by small inhomogeneities,” Inverse Prob., vol. 16, no. 5, pp. 1195– 1208, Oct 2000. 5, 33, 62, 65, 99

    [33] H. Lev-Ari and A. J. Devaney, “The time reversal techniques re-interpreted: Subspace-based signal processing for multistatic target location,” Proc. IEEE Sensor Array Multichannel Signal Proc. Workshop, pp. 509–513, March 2000. 5, 56, 95, 96, 101, 102

    [34] S. K. Lehman and A. J. Devaney, “Transmission mode time-reversal  superresolution imaging,” J. Acoust. Soc. Am., vol. 113, pp. 2742–2753, 2003. 5, 96

    [35] A. Taflove and S. C. Hagness, Computational Electrodynamics: The Finite-Difference Time- Domain Method, 3rd ed., Boston, MA: Artech House, 2005

    [36] A. K. Fung and F. T. Ulaby, “A scatter model for leafy vegetation,” IEEE Trans. Geosci. Electron., vol. 16, no. 4, pp. 281–286, Oct 1978. 18

    [37] F. J. Harris, “On the use of windows for harmonic analysis with the discrete fourier transform,” Proc. IEEE, vol. 66, pp. 51–83, Jan 1978. 22, 47

    [38] C. Prada, J.-L. Thomas, and M. Fink, “The iterative time reversal process: Analysis of the convergence,” J. Acoust. Soc. Am., vol. 97, pp. 62–71, 1995. 4, 32, 55

    [39] H. Tortel, G. Micolau, and M. Saillard, “Decomposition of the time reversal operator for electromagnetic scattering,” J. Electromagn. Waves Appl., vol. 13, pp. 687–719, 1999. 6, 33, 34, 40, 49, 98, 99

    [40] G. Micolau, M. Saillard, and P. Borderies, “DORT method as applied to ultrawideband signals for detection of buried objects,” IEEE Trans. Geosci. Remote Sensing, vol. 41, no. 8, pp. 1813–1820, Aug 2003. 5, 6, 33, 34, 81, 105

    [41] M. Yavuz and F. L. Teixeira, “A numerical study of time-reversed uwb electromagnetic waves in continuous random media,” IEEE Antennas Wireless Propag. Lett., vol. 4, pp. 43-46, 2005.

    [42] Lev-Ari, H. and A. J. Devaney, \The time-reversal technique re-interpreted: Subspace-based signal processing for multi-static target location," Proceedings of the IEEE Sensor Array and Multichannel Signal Processing Workshop, 509{513, 2000.

    [43] Lehman, S. K. and A. J. Devaney, "Transmission mode time- reversal super resolution imaging," J. Acoust. Soc. Am., Vol. 113, 2742{2753, 2003.

    [44] E. A. Marengo, F. K. Gruber, and F. Simonetti. Time-reversal MUSIC imaging of extended targets[J]. IEEE Trans.on Image Processing, 2007, 16(8):1967-1984.

    [45] X. Chen and K. Agarwal. MUSIC algorithm for two-dimensional inverse problems with special 250 characteristics of cylinders[J]. IEEE Trans.on Antennas and Propa., 2008, 56(6):1808-1812.

    [46] F. K. Gruber, E. A. Marengo, and A. J. Devaney, “Time-reversal imaging with multiple signal classification considering multiple scattering between the targets,” J. Acoust. Soc. Am., vol. 115, pp. 3042–3047, 2004.

    [47] Zhang, W., A. Hoorfar, and L. Li, \Through-the-wall target localization with time reversal music method," Progress In Electromagnetics Research, Vol. 106, 75{89, 2010.

    [48] Zhang, C. T. W., A. Hoorfar, and F. Ahmad, \Full polarimetric beam-forming algorithm for through-the-wall radar imaging," Radio Science, Vol. 46, 2011.

    [49] Zhang, W. and A. Hoorfar, \Two dimensional difraction tomographic algorithm for through-wall radar imaging," Progress In Electromagnetics Research B, Vol. 31, 205{218, 2011.

    [50] C Thajudeen, A. Hoorfar, and F. Ahmad, “Measured complex permittivity of walls 98 with different hydration levels and the effect on power estimation of TWRI target returns,” PIER, vol. 30, pp. 177-199, 2011.



تحقیق در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, مقاله در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, پروژه دانشجویی در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, پروپوزال در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, تز دکترا در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, تحقیقات دانشجویی درباره پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, مقالات دانشجویی درباره پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, پروژه درباره پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, گزارش سمینار در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, پروژه دانشجویی در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, تحقیق دانش آموزی در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, مقاله دانش آموزی در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو, رساله دکترا در مورد پایان نامه تشخیص تومور های سرطانی در بافت های بیولوژیک با استفاده از تصویر برداری ماکروویو

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس