الهه حسین زاده - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، مرکز زنجان، زنجان ، ایران.
حسین برومندنوقابی - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، مرکز زنجان، زنجان ، ایران.

سرطان سینه شایع ترین سرطان و اولین عامل مرگ و میر ناشی از سرطان در میان زنان جهان است. در حال حاضر ماموگرافی مناسب ترین روش تشخیص سرطان سینه محسوب می گردد. اما به علت نوع بافت سینه و استفاده از تابش اشعه ایکس با تراکم پایین در تهیه ماموگرام ها، تصاویر از تباین پایینی برخوردارند. در ضمن تومورها دارای اندازه ها و شکل های متفاوتی هستند به همین دلیل تشخیص ضایعات به خصوص در مراحل اولیه تشکیل کار بسیار دشوار و خسته کننده ای است. آمار نشان می دهد تشخیص زود هنگام ضایعات در کاهش مرگ و میر ناشی از سرطان نقش چشم گیری دارد. در این تحقیق هدف یافتن مناطق مشکوک به تومور در تصاویر ماموگرام می باشد.در این تحقیق ابتدا با حذف کجی از تصویر، به کمک روش تثبیت نقطه SURF و به کمک مدل ترکیب گوسی به یک تصویر استاندارد برای پردازش تصویر می رسیم. از آنجا که تصاویر ماموگرام دارای ابعاد بزرگی هستند و پردازش کل تصویر برای یافتن تومور بسیار زمانبر میباشد، هر چند در سایر پژوهش ها از روش هایی به منظور کاهش نواحی مورد پردازش تصویر، استفاده شده در این پژوهش از خوشه بندی برای جداسازی پس زمینه تومور از بافت سینه و شناسایی مرز ماهیچه پکتوریال استفاده شده است ، برای بازشناسایی تومورها تعدادی خوشه از تصاویر مربوط به نواحی مشکوک در دو دید به کمک خوشه بندی KMEANS استخراج میشود. با فرض آنکه خوشه های گسترش یافته در دو جهت مستعد بدخیم بودن هستند ، برای اطمینان از یکسان بودن ماهیت دو خوشه تشخیص داده شده از دو دید با الگوریتم بهبود یافته SURFبدون تولید تابع افاین نقاط مشکوک در دو دید با دو توالی مختلف بررسی می شود که در صورت یکسان بودن می توان با ضریب اطمینان بالا از سرطانی بودن تومور اطمینان پیدا کرد.

SURF ؛ KMEANS ؛ سرطان سینه ؛ تومور