تشخیص و پردازش تومورهای سرطانی در تصاویر ماموگرافی با استفاده از مشخصه-های آماری

ماموگرافی شیوه شناخته شده ای است که از آن برای آشکارسازی بیماری سرطان سینه استفاده می شود. بسیاری از محققان روی حوزه آشکارسازی سرطان سینه کار کردند و شیوه قطعه بندی را پیشنهاد کردند. با این حال، هیچ راه حلی از سوی محققان نوید بخش نبود و محدودیت هایی داشت و هنوز هم مشکلی محسوب می شود که حل آن چالش برانگیز است. هدف از این پژوهش، ارائه رویکردی ساده و آسان جهت آشکارسازی تومورهای سرطانی در ماموگرام می باشد. بعد از مرحله آشکارسازی، منطقه تومور در یک تصویر ماموگرام قطعه-بندی خواهد شد. در این پژوهش ابتدا عملیات پیش پردازش به منظور حذف ماهیچه پکتورال و آشکارسازی موقعیت بافت مشکوک توسط عملیات ریخت شناسی انجام می شود. در مرحله بعد ناحیه آشکارسازی شده، بلوک بندی می شود و ویژگی های میانگین و واریانس از این بلوک ها استخراج می شوند. به دلیل ابعاد بالای بردار ویژگی استخراج شده، در مرحله بعد از الگوریتم کاهش بعد LSDA استفاده می شود. در نهایت از دسته بند ماشین یادگیر بیشینه برای شناسایی و دسته بندی ویژگی های نگاشت شده استفاده خواهد شد. دسته بند ماشین یادگیر بیشینه به علت سرعت پاسخ گویی مناسب و قابلیت تعمیم بالا، در این پژوهش مورد استفاده قرار گرفته است.

کلیدواژه ها:

سرطان سینه ، پردازش تصاویر ، دسته بند ماشین یادگیر ، ماموگرافی