بازشناسی هوشمند چند کلاسه توده ها در تصاویر ماموگرافی با استفاده از ممان شبه زرنیک، الگوریتم ژنتیک و طبقه بند شبکه استنتاج عصبی-فازی تطبیقی

درایران، سرطان سومین عامل مرگ ومیراست ودربین بیماری ها، سرطان پستان شایع ترین عامل مرگ ومیر در زنانایرانی به حساب می آید؛ به گونه ای که یک پنجم مرگ و میر در میان زنان ناشی از بروز این سرطان است. وجود یکسیستم هوشمند که دقت بالای را در تفکیک و بازشناسی توده های مختلف، اعم از توده های بدخیم، خوش خیم،میکروذره و فبیرها به همراه داشته باشد، ضروری و لازم خواهد بود، چرا که گاهی پزشک متخصص نیز در تصاویرماموگرافی تفسیری اشتباه را ارائه میدهد. در مطالعه کنونی، سعی بر جداسازی و بازشناسی هوشمند توده های مختلفسرطان سینه در تصاویر ماموگرافی بوده، به قسمی که در گام نخست، با استفاده از ممان های شبه زرنیک ویژگی هایکارآمد از تصویر ورودی استخراج می شود و در گام بعدی الگوریتم تکاملی ژنتیک ابعاد بردار ویژگی را کاهش می دهد.گام نهایی، طبقه بندی نوع توده احتمالی در تصویر ماموگرافی و بررسی شدت آن بر مبنای شبکه عصبی-فازی تطبیقی(ANFIS) خواهد بود. مجموعه تصاویر دریافت شده نمونه از پایگاههای داده Mini-Mias و DDSM هستند که انواع مختلفی از توده های احتمالی را در تصاویر ماموگرافی دربردارند. در کار حال حاضر، تمرکز بر ارائه الگوریتمی جدید درتفکیک دقیق انواع توده های موجود در تصاویر ماموگرافی است، با این رویکرد که پزشک متخصص بتواند نوع توده ومرحله بیماری احتمالی را پیش بینی نماید.

کلیدواژه ها:

تصویر ماموگرافی ، جداسازی ناحیه هدف (ROI) ، گشتاور زرنیک ، الگوریتم تکاملی ژنتیک ، طبقه بند ANFIS