بررسی و ارزیابی چگونگی شناسایی و جداسازی توده های سرطانی سینه در تصاویر پزشکی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 612

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MAYCOMP01_041

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

طبق آمار آزمایشگاه ملی سرطان ایالات متحده آمریکا، از هر هشت زن یک نفر به سرطان پستان مبتلا می شود. جهت شناسایی توده در پستان، از روش های تصویر برداری متفاوتی اعم از ماموگرافی، سونوگرافی، ام آر آی و ترموگرافی استفاده می شود. ترموگرافی یک روش تصویر برداری غیرتهاجمی است و تصویر در آن بر اساس گرمایی که از نقاط مختلف بدن ساطع می شود؛ شکل می گیرد. بنابراین ترموگرام از یک بیمار، توزیع گرمایی بدن او را به تصویر می کشد. از مهم ترین مزیت ترموگرافی، آشکار نمودن توده های سرطانی در مرحله ای است که تعداد سلول های سرطانی به 256 سلول رسیده است و این تعداد سلول سرطانی بعد از گذشت حدود دوسال از شروع بیماری حاصل می شود. این درحالی است که در روش ماموگرافی توده ها بعد از هشت سال و زمانی که تعداد سلول های سرطانی، به بالغ بر چهار میلیارد می رسد، قابل شناسایی است. از آن جا که یافتن توده های سرطانی بسایر حائز اهمیت می باشد در این مطالعه، روش های موجود جهت شناسایی سرطان پستان براساس ویژگی های استخراج شده از تصاویر ترموگرافی مورد ارزیابی قرار گرفته سپس مزایا و معایب هر یک بررسی می شوند.

کلیدواژه ها:

پردازش تصاویر پزشکی ، ترموگرافی برای سرطان سینه ، شناسایی سرطان سینه

نویسندگان

سمیه دهقان خلیلی

دانشجوی کارشناسی ارشدگروه کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان،

محمد مهدی جعفری

استادیار گروه کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Moon WK, Shen YW, Bae MS, Computer aidedtumor detection based ...
  • Kenya Murase, Nobuyoshi Tanki, Masahiro Iinuma, " ...
  • Goyal G, Singhal M, Bansal A, Comparison ofdenoising filters on ...
  • DIGTAL IMAGE PROCES SING _ Rafael C. Gonzalez Richard E. ...
  • D.M.Garge and V.N. Bapat, " A low cost wavelet based ...
  • A Mohd. Khuzi, R Besar, WMD Wan Zaki, " Identification ...
  • H.B .Kekre, "Tumor Detection in Mammo graphy Images using Vector ...
  • Wiecek M, Strakowski R, JakubowskaT , Wiecek B. Software for ...
  • Qi H, Snyder W, Head JF, Elliott RL.Detecting breast cancer ...
  • Frize M, Herry C, Roberge R.Processing of thermal images to ...
  • Yang H, Xie SH, Lin Q, Ye SH, ChenSH, Li ...
  • C omplexMedic al Engineering 2012; 1071- 4. ...
  • Jakubowska T, Wiecek B, WysockiB, Drews C, Strzelecki M. C ...
  • Ghayoumi Zadeh H, Kazerouni A, Haddadin. Distinguish breast cancer basedon ...
  • Selvarasu N. Image Proces singT echniques and Neural Analysis Indlian ...
  • ofComputer Science and Engineering (IJCSE)2012; 3: 133- MEDINFO _ 7. ...
  • نمایش کامل مراجع