شناسایی تودهها در تصاویر ماموگرافی با استفاده از شبکه عصبی

شناسایی زودهنگام بهترین روش مقابله با بیماری سرطان سینه میباشد. مهمترین راه تشخیص زودهنگام این سرطان تصویربرداری پزشکی است. ماموگرافی یکروشاستاندارد طلایی جهت شناسایی زودهنگام سرطان سینه محسوب میشود. تودهها رایجترین علایم در تصاویر ماموگرافی هستند. برای شناسایی و یافتن تودهها در تصاویر ماموگرافی معمولا از روشهای مختلف پردازش تصویر، مانند ناحیه بندی با استفاده از الگوریتمهای خوشهبندی و یا روشهای آستانه گذاری مختلف، استفاده میشود. در این مقاله از یکالگوریتم ناحیه بندی مناسب استفاده می- شود که تعدادی ناحیه مشکوک را شناسایی میکند.بنابراین از الگوریتم شبکه عصبی برای یادگیری الگوهای مثبت نادرست استفاده میشود. درواقع با استفاده از شبکه عصبی یک فیلتر هوشمند برای حذف نواحی مثبت نادرست پیشنهاد میشود تا بدینوسیله کارایی سیستم توده یاب خود را افزایش دهیم. طی بررسیهای بعمل آمده، استفاده از یکروش مبتنی بر رشد ناحیه بهصورتی که بهصورت تطبیقی به کار رود میتواند به شناسایی تودهها در تصاویر ماموگرافی کمک کند. نکته مهم در بهکارگیری الگوریتم رشد ناحیه این است معیار همگنی در آنیک عدد ثابت نباشد. چون بافت سینهزنان مختلف باهم فرق دارد، آستانه همگنی نیز متفاوت خواهد بود. ما قصد داریم این الگوریتم را بهگونهای بهکارگیریم که این آستانه بهصورت تطبیقی محاسبه گردد.

کلیدواژه ها:

سرطان سینه ، ماموگرافی ، تودههای سرطانی ، ناحیه بندی ، الگوریتم شبکه عصبی