روشی جدید برای ناحیه بندی تصاویر ماموگرافی دیجیتال و طبقه بندی تومورهای خوش خیم و بدخیم در سینه

ماموگرافی رایج­ترین و موثرترین روش غربالگری برای تشخیص سرطان پستان است. در این تحقیق، یک سیستم کمکی برای طبقه بندی  تومورهای خوش­ خیم و بدخیم در تصاویر ماموگرافی دیجیتال ارائه شده است. در این روش ابتدا فیلتر میانه برای حذف نویز استفاده شده و سپس مصنوعات و ماهیچه ­ی پکتورال در صورت وجود حذف می شوند. برای ناحیه ­بندی ماموگرام و استخراج ناحیه های موردنظر ابتدا یک الگوریتم جدید برای افزایش تباین نواحی مشکوک ارائه شده است که از تفاضل بهبود یافته تصویر اصلی و مکمل آن بهره می برد، سپس الگوریتم خوشه­بندی C میانگین فازی بر مبنای هیستوگرام به تصویر اعمال شده و ناحیه های موردنظر با دقتی مناسب استخـراج می شوند. در مـرحله­ ی بعد ویـژگی­های بافت و هندسی استخـراج می­شوند و در نهایت طبقه ­بندهای ماشین بـردار پشتیبان خطی و درخت تصمیم بـرای دسته­ بندی ناحیـه­ های موردنظر به دو کلاس خوش­ خیـم و بدخیـم، استفاده می­شوند. سیستم پیشنهادی بر روی تصاویر پایگاه های داده­ی MIAS و DDSM آزمایش شده است. نتایج به­ دست آمده نشان گر این است که دقت سیستم پیشنهادی در مقایسه با تحقیقات پیشین امیدوار کننده است.

کلیدواژه های روشی جدید برای ناحیه بندی تصاویر ماموگرافی دیجیتال و طبقه بندی تومورهای خوش خیم و بدخیم در سینه:

سرطان سینه ، ماموگرافی ، افزایش تباین ، ناحیه بندی ، استخراج ویژگی