تشخیص زودهنگام سرطان سینه با تحلیل LSD و طبقه بند KNN بر روی بانک داده ماموگرافی MIAS

نظریه سرطان سینه، رایج ترین سرطان در میان زنان به خصوص در بین زنان بالای ۵۰ سال است. مطالعات اخیر ثابت کرده اند که اگر سرطان سینه در مراحل اولیه تشکیل بافت های سرطانی تشخیص داده شود، احتمال حیات به طور قابل توجهی افزایش یافته و هزینه های ناشی از کنترل بیماری به شدت کاهش یافته است بنابراین راه حل اصلی، شناسایی زودهنگام سرطان سینه است. تاکنون پژوهش های مختلفی برای تشخیص سرطان سینه ارائه شده است اما به دلیل انتخاب ویژگی های غیرموثر و همچنین استفاده نکردن از یک روش تحلیلی مناسب بر روی ویژگی ها نتوانستند به دقت کافی برسند. در این مطالعه از تحلیل LSD و استخراج ویژگی های موثر توسط طبقه بند KNN برای تشخیص خودکار سرطان سینه استفاده شده است. هدف از ارائه روش پیشنهادی، افزایش دقت تشخیص برای کلاس های نرمال و غیرنرمال می باشد. روش پیشنهادی در محیط متلب و بر روی بانک تصاویر ماموگرافی MIAS اجرا شده است. نتایج حاصل از خروجی پیاده سازی، بیانگر شناسایی سرطان سینه با دقت ۹۲ درصد است. نتایج به دست آمده با سایر روش ها مقایسه شدند که نشان دهنده عملکرد بهتر روش پیشنهادی از نظر معیار دقت می باشد.

کلیدواژه ها:

سرطان سینه ، تصاویر ماموگرافی ، موجک گابور ، تحلیل LSD ، استخراج ویژگی ، بانک داده MIAS