قطعه بندی ناهنجاری های پستان با استفاده از تجمیع ضرایب موجک

مقدمه: سرطان پستان شایع­ ترین سرطان در بین زنان بوده و بیشترین مرگ و میر ناشی از سرطان را در میان زنان ایجاد می­ کند. کشف و مرزبندی خودکار توده­ ها در ماموگرام کار چالش برانگیز و یک گام اساسی سیستم ­های CAD سرطان پستان است. در این مطالعه، روش جدیدی برای کشف خودکار نواحی کاندیدهای مشکوک به توده (SMC) در ماموگرام را معرفی نموده­ ایم. روش بررسی: مطالعه حاضر بر روی کشف نواحی مشکوک به توده در تصاویر ماموگرام و استخراج نواحی مورد نظر (ROI) از تصاویر ماموگرام است. در این مطالعه، ابتدا پیش پردازش بر روی تصویر ماموگرام صورت گرفته و سپس تجمیع ضرایب موجک گسسته بر اساس ویژگی های بافتی تصویر محاسبه و ایجاد می شود. بعد از حذف نویز از این تجمیع و با اعمال عملیات مورفولوژی ضرایب تجمیع بهبود یافته و در نهایت با استفاده از آشکارشاز لبه و anny، تقسیم­ بندی ماموگرام انجام می­ شود. برای غلبه بر مشکلover-segmentation و under-segmentationکاهش نرخ منفی و مثبت  کاذب و بهبود نواحی کشف شده از روش تقسیم و ادغام برای بهبود نواحی کشف شده استفاده می­شود. ارزیابی روش پیشنهادی با استفاده از تصاویر پایگاه داده DDSM انجام شده است. یافته­­ ها: میزان حساسیت، CROI و CG.T  به‏ ترتیب برابر با 100، 5/86 و 56 درصد و مقدار FPI برابر با 4/5 برای هر تصویر گزارش شده­اند. نتیجه‏­ گیری: ارزیابی روش پیشنهادی نشان ‏دهنده قابلیت کشف و تعیین خودکار نواحی ناهنجاری ماموگرام که کاندید توده پستانی هستند را نشان می­ دهد. از روش پیشنهادی می­ تواند به‏ عنوان گام اول همه سیستم ­های CAD سرطان پستان استفاده نمود و یا به رادیولوژیست در تشخیص بهتر کمک کند.

Keywords:

Mammogram , Segmentation , Discrete Wavelet Transform Lifting Scheme , Wavelet Coefficients Aggregation , ماموگرام , تقسیم بندی , موجک گسسته , تجمیع ضرایب موجک