یک روش هیبریدی جدید جهت قطعهبندی و تشخیص تومورهای موجود در تصاویر ماموگرافی بافت پستان
Publish place: Iranian Journal of Breast Diseases، Vol: 9، Issue: 3
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 248
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBD-9-3_002
تاریخ نمایه سازی: 8 بهمن 1399
Abstract:
چکیده
مقدمه: سرطان پستان یکی از شایعترین بیماریهای زنان است. شناسایی و مرزبندی تودهها و تشخیص تومورهای موجود در بافت پستان از چالشهای جدی در تشخیص این سرطان است. در حال حاضر ماموگرافی، متداولترین راه تشخیص تومورهای موجود در پستان میباشد که عدم شناسایی صحیح مرز تودهها در آن میتواند منجر به تشخیص یا نمونهبرداری نادرست از بافت پستان شود. هدف این مقاله، معرفی یک روش هیبریدی هوشمند جدید برای شناسایی و مرزبندی تومورهای پستان در تصاویر ماموگرافی است که تشخیص خودکار خوش خیم یا بدخیم بودن تومور را تسهیل کند.
روش بررسی: در این مطالعه از دادههای پایگاه داده DDSM که شامل 150 تصویر ماموگرافی حاوی تومورهای خوشخیم و 150 تصویر ماموگرافی حاوی تومورهای بدخیم است، استفاده شد. پس از حذف نواحی اضافی مانند پسزمینه، با قطعهبندی تصاویر ماموگرام بر مبنای هیستوگرام تصویر و ترکیب تبدیل موجک و الگوریتم ژنتیک و نیز مورفولوژی ریاضی مرز تومور استخراج شد. همچنین علاوه بر الگوریتم ژنتیک، الگوریتم های بهینهسازی کلونی مورچگان و بهینهسازی ازدحام ذرات نیز برای قطعهبندی تصاویر ماموگرافی مورد استفاده و مقایسه قرار گرفتند.
یافتهها: الگوریتم هیبریدی پیشنهادی صحت خوب و سرعت بالایی در قطعهبندی تصاویر ماموگرافی جهت تشخیص تومورهای پستان دارد. برای طبقهبندی تومورها، قطعهبندی با استفاده از الگوریتم ژنتیک نسبت به الگوریتم بهینهسازی کلونی مورچگان و بهینهسازی ازدحام ذرات صحت بالاتری دارد. مرزبندی تومورهای شناسایی شده در تصاویر حاصل از قطعهبندی با الگوریتم هیبریدی پیشنهادی، منجر به صحت طبقهبندی 4/91% (طبقهبندی به دو دسته خوشخیم و بدخیم) شده است که مطلوب است.
نتیجهگیری: الگوریتم هیبریدی پیشنهادی، الگوریتمی سریع و کارآمد برای قطعهبندی تصاویر ماموگرافی و مرزبندی تومورهای پستان است. نتایج این مطالعه نشان داد که اولا روش هوشمند ارایه شده، دارای صحت مناسب جهت کمک به تشخیص رادیولوژیستها و تا حدودی حذف مرحله نمونهبرداری از بافت پستان میباشد. ثانیا بین سه الگوریتم ژنتیک، بهینهسازی کلونی مورچگان، و بهینهسازی ازدحام ذرات، الگوریتم ژنتیک منجر به صحت بالاتر طبقهبندی تومورها میشود.
Keywords:
Breast Cancer , Tumor Detection , Tumor Segmentation , Wavelet Transform , Genetic Algorithm , Ant Colony Optimization Algorithm , Particle Swarm Optimization Algorithm , سرطان پستان , شناسایی تومور , مرزبندی تومور , تبدیل موجک , الگوریتم ژنتیک , الگوریتم بهینهسازی کلونی مورچگان , الگوریتم بهینه سازی ازدحام ذرات
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :