درجه بندی خودکار تصاویر آسیب شناسی پروستات با استفادها ز آنالیز بافت در تصاویر

دراین مقاله روشی خودکار را برای درجه بندی تصاویر آسیب شناسی پروستات مبتنی بر سیستم درجه بندی گلیسون ارائه کرده ایم ابتدا با استفاده از ویژگیهای بافتی و الگوریتم خوشه یابی K-means نواحی غده ای را در تصاویر اسیب شناسی پروستات جدا م یکنیم سپس این نواحی را به همراه ویژگیهای ذکر شده به عنوان ورودی به یک الگوریتم درختی می دهیم که در پنج مرحله تصاویر را درجه بندی می کنند این الگوریتم درمرحله اول تصاویر درجه 1و 2 را از تصاویر درجه 3و4و5 جدا می کند سپس در مرحله دوم تصاویر درجه 1و2 را طبقه بندی می کند در مرحله سوم این الگوریتم تصاویر درجه 3و4و5 به دو گروه درجه 3و 5 طبقه بندی می شوند دراین مرحله بعضی از تصاویر درجه 4 به گروه اول و بقیه به گروه دوم نسبت داده می شوند درمراحل چهارم و پنجم این الگوریتم هم تصاویر این دو مجموعه از یکدیگر جدا می شوند برای ارزیابی روش پیشنهادی از یک مجموعه داده تصویر با تعداد 199 نمونه استفاده شده است.

کلیدواژه ها:

سرطان پروستات ، سیستم درجه بندی گلیسون ، آنالیز بافت ، الگوریتم درختی و روش یک - کنار - گذاری