تشخیص و طبقهبندی تودههای سرطان سینه توسط استخراج ویژگی از تصاویر ماموگرافی با استفاده از تکنیکهای پردازش تصاویر و بکارگیری شبکه عصبی

در این مقاله شکل هندسی و ویژگی های جدید بر پایه شکل و لبه ی هندسی برای طبقه بندی ضایعات جرمی سینه بر اساس استاندارد BIRADS ارائه شده است. بر اساس این سیستم جرم های سینه ای با استفاده از شکل، سایز و چگالی متمایز می شوند که رادیولوژیست می تواند به صورت بصری به تشخیص از روی تصاویر ماموگرافی بپردازد. به علت این که جرم های سینه ای شکل منظم و قائده‏مند ریاضی ندارند، اندازه‏گیری آن ها بسیار مشکل است. ویژگی های مختلفی بر اساس شکل و لبه هندسی بر پایه ماکزیمم و مینیمم شعاع جرم برای طبقه بندی جرم ها ی سینه ای ارائه شده است. همچنین ویژگی های هندسی بر اساس شکل های منظم به عنوان ویژگی های بهتری نسبت به شکل های نامنظم شناخته شده اند. در این مقاله هر توده به واسطه بردار ویژگی شکل که از مشخصات 14 شکل و لبه تشکیل شده مورد استفاده قرار می گیرد. در این مقاله، با استفاده از تکنیک های پردازش تصویر، الگوریتمی طراحی شده است که می تواند توده سرطانی را به صورت کاملا هوشمند از سایر بخش های سالم پستان استخراج نماید و آن را به صورت کاملا مجزا نمایش دهد. قبل از اجرای فرآیند استخراج توده سرطانی، از برخی تکنیک های پیش پردازش تصویر جهت ارتقای کیفیت تصویر ماموگرافی استفاده شده است. در نهایت بردار ویژگی استخراج شده بعنوان ورودی شبکه عصبی طراحی شده قرار داده شده و در نهایت دقت طبقه‏بندی را که براساس نوع توده در تصویر ماموگرافی است مشخص شده است

کلیدواژه ها:

تصاویر ماموگرافی ، توده‏های سرطانی سینه ، استخراج ویژگی ، پردازش تصاویر ماموگرافی ، شبکه عصبی