طبقه بندی تصاویر ترموگرافی برای تشخیص سرطان سینه بر اساس استخراج ویژگی ها، الگوهای محلی باینری و کاربرد شبکه های عصبی، ماشین بردار پشتیبان و نزدیکترین همسایگی

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,180

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:

ICELE03_529

تاریخ نمایه سازی: 18 اسفند 1397

چکیده مقاله:

امروزه سرطان سینه یکی از رایج ترین انواع سرطان ها در میان زنان است که بیشترین آمار مرگ و میر زنانبه دلیل سرطان را به خود اختصاص می دهد. تشخیص زود هنگام این سرطان می تواند جان بسیاری را نجاتدهد. روش های بسیاری برای تصویربرداری سرطان سینه در مرحله تشخیصی وجود دارد. ترموگرافی یکی ازاین روش هاست که به وسیله ی یک دوربین مادون قرمز به ثبت دمای ناحیه مورد نظر می پردازد. این روشکاملا بی خطر بوده و نسبت به سایر روش های تصویربرداری سرطان سینه، مقرون به صرفه تر است. مطالعات وتحقیقات متنوعی بر روی تصاویر ترموگرافی سرطان سینه و استخراج ویژگی ها انجام شده است. برایپردازش این تصاویر، باید ابتدا تصاویر را به سطوح خاکستری تبدیل کرده و سپس از روی آن ها به استخراجویژگی ها پرداخت. استخراج ویژگی های آماری مانند میانگین، انحراف معیار ، آنتروپی و ... از روی سیگنالدمایی حاصل شده از تصاویر امکان پذیر است و با استفاده از شبکه ی عصبی به عنوان طبقه بند، دقت 60%حاصل می شود که نتیجه ی مطلوبی نیست. بنابراین باید از سایر روش ها برای استخراج ویژگی ها مانند الگویباینری محلی استفاده کرد که در این صورت نتایج حاصل از این ویژگی ها در طبقه بندهای مختلف از جملهشبکه عصبی و ماشین بردار پشتیبان، با دقت 100 % بدست می آید.

نویسندگان

افسون نادری

دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران