شناسایی و طبقه بندی تومورهای سینه مبتنی بر یک روش جدید در شناسایی الگو

مکانیزمهای متعددی در آنالیز مفاهیم و محتویات تصاویر ماموگرافی به منظور تشخیص تومور ونوع تومور استفاده میشود تا آنها را به سه گروه تومورهای خوش خیم، بد خیم و سالم دسته بندی کنند. استفاده از تخصص پزشکان، پاتولوژی و روشهای مبتنی بر پردازش تصویر، در تشخیص نوع تومور در روشهای مبتنی بر پردازش تصویر، روش مبتنی برشناسایی الگو به کار گرفته میشود. در شناسایی الگو مراحل پیش پردازش، استخراج و انتخاب ویژگی و دسته بندی وجود دارد. از تصویر میتوان ویژگیهای طیفی، هندسی مکانی و یا لبه را استخراج کرد. ترکیب ویژگیهای مختلف به منظور ساخت بردار ویژگی منحصر بفرد و کاهش بعد به همراه روشهای طبقه بندی توانسته است راندمان تشخیص تومور را بهبود دهد. در این مقاله یک روش کارامد در تشخیص نوع تومور ارائه شده است. پس از استخراج دو نوع ویژگی مختلف، ساخت یک ماتریس ویژگی با روش PCAکاهش بعد صورت گرفته است. سپس ماتریس کاهش بعد یافته با روش PCA، با طبقه بند AdaKNN بهبود یافته با ELM یعنی AdaKNN+ELM دسته بندی شده اند. ویژگی های کاهش بعد یافته در حالات مختلف با سایر طبقه بندهای KNN، ELM، AdaKNN مقایسه شده است. نتایج بدست آمده نشان از برتری روش پیشنهادی دارد.

کلیدواژه ها:

تصاویر ماموگرافی ، تومور ، سینه ، شناسایی الگو ، کاهش بعد.