تشخیص سرطان سینه بوسیله هوش مصنوعی و پردازش تصویر

سرطان سینه شایع ترین نوع سرطان در بین زنان است. مطالعات پاتولوژیک نشان داده اند که بیش از ۸۰% ناهنجاری های سینه در مراحل اولیه خوش خیم هستند، بنابراین مهم ترین مساله در درمان آن تشخیص زودهنگام است. ترموگرافی مادون قرمز سینه یک روش تصویرگیری مبتنی بر ثبت الگوهای توزیع دمایی بافت سینه است و در مقایسه با ماموگرافی سینه به دلیل غیرتهاجمی، غیرتماسی، غیرفعال بودن و عدم استفاده از تابش یونیزان روشی بسیار مناسب در تشخیص زودهنگام سلول های سرطانی است. در این مقاله روشی به منظور آشکارسازی خودکار نواحی مشکوک در تصاویر ترموگرام سینه به کمک هوش مصنوعی (۱AI) با هدف کمک رساندن به پزشکان در تشخیص زودهنگام این سرطان ارائه شده است، به نحوی که دقت و صحت را افزایش داده و درصد پذیرش اشتباه را کاهش می دهد. این الگوریتم شامل ۴ بخش اصلی پردازش تصویر، استخراج ویژگی، انتخاب ویژگی و طبقه بندی است. در مرحله ی پردازش، ابتدا بر اساس عملیاتی تمام خودکار، ناحیه ی مطلوب تعیین شده، کیفیت تصاویر ارتقا یافته است.سپس درایه های ماتریس تصویر، نرمال سازی شده و نواحی نسبی مشکوک تعیین می شوند. پس از آن و در مرحله ی استخراج ویژگی، ویژگی های آماری، ویژگی هایی مبتنی بر هیستوگرام، ویژگی هایی بر اساس مورفولوژی نواحی مشکوک و ویژگی هایی در حوزه فرکانس از هر یک از نواحی بخش بندی شده سینه راست و چپ استخراج می شوند. در ادامه برای دست یابی به بهترین ویژگی ها، روش های انتخاب ویژگی نظیر میانگین۲، واریانس۳، انحراف معیار۴، ماکزیمم مقدار تبدیل فوریه۵، مینیمم مقدار تبدیل فوریه۶، آنتروپی ۷، کشیدگی۸، چولگی۹ و الگوریتم (LBP)۱۰ به کار گرفته می شود. در پایان برای طبقه بندی و تعیین معیار استاندارد برای تحلیل دمای عروقی سینه ها، روش های مختلف طبقه بندی مانند ماشین های بردار پشتیبان (۱۱SVM)، نزدیک ترین همسایه (۱۲KNN)، درخت تصمیم (۱۳DT) ، مورد ارزیابی قرار گرفتند، تا از مناسب ترین آن ها به منظور طبقه بندی ویژگی ها استفاده شود.

کلیدواژه ها:

سرطان سینه ، ترموگرافی سینه ، ترموگرام ، انتخاب ویژگی ، طبقه بندی ، دمای عروقی سینه ، نرم افزار متلب ، شبکه تشخیص الگو ، پردازش تصویر ، هوش مصنوعی