تشخیص سرطان سینه مبتنی بر قطعه بندی تصاویر با استفاده از معادلات دیفرانسیلی جزئی کسری

از میان تکنیک های تصویر برداری پزشکی ماموگرافی یکی از مهم ترین گزینه ها برای تصویر برداری از بافت های سینه محسوب می گردد. این تکنیک تصویر برداری پزشکی به منظور تشخیص و ارزیابی بیماری هایی همچون سرطان سینه استفاده می شود. این تصویر برداری به ویژه برای زنان به منظور ارزیابی اولیه سلامت سینه مورد استفاده قرار می گیرد. سرطان سینه یکی از شایع ترین سرطان ها در میان زنان در جهان می باشد و یکی از دلایل اصلی مرگ و میر در زنان است. تشخیص زودهنگام این بیماری ممکن است احتمال بهبودی را افزایش داده و میزان مرگ و میر را کاهش می دهد. هدف اصلی از انجام ماموگرافی شناسایی و تشخیص به موقع سرطان سینه است. سرطان سینه در مراحل اولیه ممکن است بدون علائم ظاهری باشد اما با ماموگرافی می توان آن را تشخیص داد. روش های مختلفی برای شناسایی سرطان سینه از روی تصاویر ماموگرافی وجود دارد. برخی از این روش ها نیازمند یادگیری اولیه هستند و برخی از آن ها بدون یادگیری اولیه می باشند. یک عیب بزرگ روش های با مربی این است که نیازمند داده های اولیه برای یادگیری هستند. روش های بدون یادگیری نظیر خوشه بندی نیز نیازمند آگاهی از تعداد خوشه ها می باشد. در این پژوهش سعی شده است تا از روش های مبتنی بر معادلات دیفرانسیل جزئی برای بخش بندی تصاویر ماموگرافی سینه و سپس تشخیص سرطان استفاده گردد. همچنین روش پیشنهادی این پژوهش تعمیم این روش ها در حوزه معادلات دیفرانسیل با مرتبه ی کسری می باشد. در پژوهش پیش رو برای بررسی کارکرد روش پیشنهادی این روش به همراه برخی روش های موجود بر روی ۱۰۰۰ مجموعه از تصاویر ماموگرافی دیجیتال از پایگاه داده دیجیتال برای غربالگری ماموگرافی (DDSM) متعلق به پایگاه داده ی دانشگاه فلوریدای جنوبی شبیه سازی شده است. خروجی شبیه سازی های به عمل آمده حاکی از آن است که بهبود معیارهای بخش بندی به ازای روش پیشنهادی می باشد.

کلیدواژه ها:

تشخیص سرطان سینه ، بخش بندی تصاویر ماموگرافی ، معادلات دیفرانسیلی جزئی کسری