استخراج تومور در تصاویر MRI بافت پستان با استفاده از ترکیب الگوریتمهای جداسازی و دسته بندی

روش های سنتی استخراج الگو از الگوریتمهای جداسازی و دسته بندی به صورت سری در پردازش تصاویر استفاده می کنند. دستیابی به یک الگوریتم جداسازی قابل اطمینان بدون داشتن اطلاعات قبلی در مورد شی مورد نظر که باید از تصویر استخراج شود امر مشکلی است. ما در این مقاله روشی ارائه کردیه ایم که در آن با بکارگیری دسته بندی به عنوان یک زیر سیستم از جداسازی، اطلاعات لازم به از انجام جداسازی، از شی مورد نظر استخراج شده و از احتمال دسته بندی صحیح به عنوان یک پارامتر برای سنجش کیفیت جداسازی استفاده می شود. در این روش با بکارگیری اطلاعات مربوط به شکل تومور به عنوان یک ویژگی ، حساسیت به ناهمگنی شدت روشنایی تصاویر کاهش یافته و با استخراج ویژگی های مربوط به تغییر شدت روشنایی نواحی مختلف در پستان پس از تزریق ماده کنتراست زا و ترکیب آنها با داده های شکلی دسته بندی، بافتهای پستان را به چهار گروه 1) نرمال 2)خوش خیم 3)مشکوک 4)بدخیم انجام داده ایم. نتایج عملی بیانگر عملکرد مناسب سیستم پیشنهادی با 89% دقت می باشد.

کلیدواژه ها:

جداسازی در تصاویر ، دسته بندی ویژگی ها ، ترکیب جداسازی و دسته بندی ، استخراج الگو