>
Fa   |   Ar   |   En
   آشکارسازی و دسته بندی تمام خودکار نواحی مشکوک در تصاویر ترموگرام پستان برای تشخیص زودهنگام سرطان  
   
نویسنده لشکری امیر احسان ,پاک فاطمه ,فیروزمند محمد
منبع مهندسي پزشكي زيستي - 1394 - دوره : 9 - شماره : 1 - صفحه:71 -84
چکیده    سرطان پستان رایج ترین نوع سرطان در بین زنان است. مطالعات پاتولوژیک نشان داد اند که بیش از80% ناهنجاری های پستان در مراحل اولیه خوش خیم هستند، بنابراین مهم ترین مساله در درمان آن تشخیص زودهنگام است. ترموگرافی مادون قرمز پستان یک روش تصویرگیری مبتنی بر ثبت الگوهای توزیع دمایی بافت پستان است و در مقایسه با ماموگرافی پستان به دلیل غیرتهاجمی، غیرتماسی، غیرفعال بودن و عدم استفاده از تابش یونیزان روشی بسیار مناسب درتشخیص زودهنگام سلول های سرطانی است. در این مقاله روشی به منظور آشکارسازی خودکار نواحی مشکوک در تصاویر ترموگرام پستان با هدف کمک رساندن به پزشکان در تشخیص زودهنگام این سرطان ارایه شده است، به نحوی که دقت و صحت را افزایش داده و درصد پذیرش اشتباه را کاهش می دهد. این الگوریتم شامل 4 بخش اصلی پردازش تصویر، استخراج ویژگی، انتخاب ویژگی و طبقه بندی است. در مرحله ی پردازش، ابتدا براساس عملیاتی تمام خودکار، ناحیه ی مطلوب تعیین شده، کیفیت تصاویر ارتقا یافته و سپس پستان راست و چپ از یکدیگر جدا می شوند. سپس درایه های ماتریس تصویر، نرمال سازی شده و نواحی نسبی مشکوک تعیین می شوند. پس از آن و در مرحله ی استخراج ویژگی، ویژگی های آماری، ویژگی هایی مبتنی بر هیستوگرام، ویژگی هایی مبتنی بر ماتریس هم وقوعی (glcm)، ویژگی -هایی بر اساس مورفولوژی نواحی مشکوک و ویژگی هایی در حوزه ی فرکانس از هر یک از نواحی بخش بندی شده ی پستان راست و چپ استخراج می شوند. در ادامه برای دست یابی به بهترین ویژگی ها، روش های انتخاب ویژگی نظیر کم ترین افزونگی و بیش ترین ارتباط (mrmr)، انتخاب متوالی روبه جلو (sfs)، انتخاب متوالی روبه عقب (sbs)، انتخاب متوالی سیال روبه جلو (sffs)، انتخاب متوالی سیال روبه عقب (sfbs) و الگوریتم ژنتیک (ga) به کار گرفته می شود. در پایان برای طبقه بندی و تعیین معیار استاندارد برای تحلیل دمای عروقی پستان ها (th)، روش های مختلف طبقه بندی مانند adaboost، ماشین های بردار پشتیبان (svm)، نزدیک ترین همسایه (knn)، بیزین ساده (nb) و شبکه ی عصبی احتمالی (pnn) مورد ارزیابی قرار گرفتند، تا از مناسب ترین آن ها به منظور طبقه بندی ویژگی ها استفاده شود. نتایج به دست آمده روی پایگاه داده ی بومی، بیانگر کارایی قابل توجه روش پیشنهادی است. با توجه به نتایج، ترکیب mrmr با adaboost با بیشینه صحت 92% و ترکیب sffs با adaboost با بیشینه صحت 88%، به ترتیب بهترین ترکیبات به دست آمده روی تصاویر پستان راست و چپ ارزیابی شدند.
کلیدواژه سرطان پستان ,ترموگرافی پستان ,ترموگرام ,انتخاب ویژگی ,طبقه بندی ,Th
آدرس سازمان پژوهشهای علمی و صنعتی ایران, ایران, سازمان پژوهشهای علمی و صنعتی ایران, ایران, سازمان پژوهشهای علمی و صنعتی ایران, ایران
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved