دسته بندی کلسیفیکاسیونهای تصاویر ماموگرافی با استفاده از ویژگی های ظاهری و بافتی کلسیفیکاسیونها

در این مقاله روشی را معرفی می کنیم که می تواند برای طبقه بندی خوشه های کلسیفیکاسیونها در تصاویر ماموگرافی به کار گرفته شود؛ در این مقاله ابتدا به طور مختصر روشی را که برای جداسازی کلسیفیکاسیونها از زمینه به کار گرفته ایم بیان می کنیم و سپس چگونگی استخراج ویژگی های بافتی را به روش SGLDM توضیح می دهیم. در مرحله بعد به معرفی ویژگی های ظاهری کلسیفیکاسیونها نظیر تعداد، اندازه، پراکندگی و غیره می پردازیم. در پایان به کمک روشی مبتنی بر الگوریتم ژنتیک ویژگی های برتر برای طبقه بندی کلسیفیکاسیونها را بر می گزینیم. با استفاده از مجموعه این ویژگی های ما توانسته ایم به سطح زیر منحنی ROC برابر با 0/80 دست یابیم که بیانگر قدرت نسبتا زیاد این ویژگی ها برای دسته بندی خوشه های کلسیفیکاسیون است.