یک روش جدید بر روی تجزیه بافت برای طبقه بندی تشخیص خودکار میکروکلسیفیکیشن سینه تصاویر ماموگرافی

برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام این کار، امکان سنجی جداسازی اتوماتیک تصاویر میکروکلسیفیکیشن های بافت پستان و همچنین ارزیابی دقت آن با استفاده از به کارگیری دو تکنیک بهبود تصویر و برجسته سازی میکروکلسیفیکیشن های بافت سینه برای نواحی مورد نظر ROI به کمک سیستم فازی بر اساس کانتراست منطقه و روش فیلترینگ گابور اشاره شده است. بعد از تعیین خوشه های میکروکلسیفیکیشن های بافت پستان، طبقه بندی خوشه ها با کمک الگوریتم طبقه بندی درخت تصمیم انجام می شود. در ادامه برای بخش بندی نمونه های مشکوک به میکروکلسیفیکیشن برجسته و ماسک گذاری می شود و در مرحله آخر ویژگیهای بافت استخراج شده است و با کمک شبکه عصبی مصنوعی (ANN) برای تعیین نوع خوشخیم و بدخیم خوشه های بخش بندی شده ROI، استفاده می شود. نتایجی این کار انجام شده نشان دهنده دقت بالای ۹۳% و بهبود حساسیت بالای ۹۵% می باشد، که نشان می دهد راهکار ارائه شده می تواند با اطمینان برای تشخیص سرطان پستان اعمال شود.

کلیدواژه ها:

تجزیه بافت ، منطق فازی ، فیلترینگ گابور ، شبکه عصبی مصنوعی (ANN) ، طبقه بندی درخت تصمیم