تشخیص سرطان سینه با استفاده از تبدیل موجک پراکندگی و شبکه عصبی پرسپترون چند لایه سلسله مراتبی

سرطان سینه یکی از دلایل عمده و اصلی مرگ و میر زنان در دهه اخیر بوده است. اگرچه این نوع سرطان به دلیل مشخص نبودن دلایل اصلی آن قابل پیشگیری نیست، اما تشخیص به موقع آن میتواند شانس فرد را در بهبودی کامل افزایش دهد. ماموگرافی یک ابزار شناخته شده است که به تشخیص زودهنگام این بیماری کمک میکند. تاکنون پژوهش های مختلفی برای تشخیص سرطان سینه ارایه شده است اما به دلیل عدم انتخاب استخراجگری که به خوبی بتواند ویژگی های بافت را استخراج کند و همچنین عدم استفاده از یک طبقهبند قوی نتوانستند به دقت کافی برسند. در این پژوهش جهت استخراج ویژگی های مبتنی بر بافت تصویر از تبدیل موجک پراکندگی استفاده میشود. استفاده از ویژگی های متعدد باعث میشود تا حجم داده های ورودی برای طبقه بندی کننده بالا رفته، از این رو نیاز است که ابعاد ویژگی ها به سبکی مناسب کاهش یابد، برای این منظور از الگوریتم آنالیز اجزای اصلی و آنالیز تفکیک استفاده شده است. در انتها از طبقه بند شبکه عصبی پرسپترون چند لایه به صورت سلسله مراتبی، برای طبقه بندی سرطان استفاده میشود. برای ارزیابی روش پیشنهادی، از مجموعه تصاویر Mini-MIAS استفاده میشود و به دقت 97/57 درصد رسیده ایم.

کلیدواژه ها:

سرطان سینه ، تبدیل موجک پراکندگی ، آنالیز اجزای اصلی ، آنالیز تفکیک خطی ، طبقه بندی سلسله مراتبی