شناسایی توده ها 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 یک روش استاندارد طلایی جهت شناسایی زودهنگام سرطان سینه محسوب میشود. توده ها رایجترین علایم در تصاویر ماموگرافی هستند. برای شناسایی و یافتن تودهها در تصاویر ماموگرافیمعمولا از روشهای مختلف پردازش تصویر، مانند ناحیه بندی با استفاده از الگوریتم های خوشه بندی و یا روشهای آستانه گذاری مختلف، استفاده میشود. در این مقاله از یک الگوریتم 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 بررسی های بعمل آمده، استفاده از یک روش مبتنی بر رشد ناحیه به صورتی که به صورت تطبیقی به کار رود میتواند به شناسایی تودهها در تصاویر ماموگرافی کمک کند. نکته مهم در به کارگیری الگوریتم رشد ناحیه این است معیار همگنی در آنیک عدد ثابت نباشد. چون بافت سینه زنان مختلف باهم فرق دارد، آستانه همگنی نیز متفاوت خواهد بود. ما قصد داریم این الگوریتم را به گونه ای به کارگیریم که این آستانه به صورت تطبیقی محاسبه گردد.

کلیدواژه ها:

سرطان سینه ، ماموگرافی ، توده های سرطانی ، ناحیه بندی ، الگوریتم شبکه عصبی