Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

یک روش هیبریدی جدید جهت قطعه‏‎بندی و تشخیص تومورهای موجود در تصاویر ماموگرافی بافت پستان

Year: 1395
COI: JR_IJBD-9-3_002
Language: PersianView: 88
This Paper With 11 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

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

Paper COI Code

This Paper COI Code is JR_IJBD-9-3_002. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1147744/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
جباری، حامد و بیگدلی، نوشین و خادم، علی،1395،یک روش هیبریدی جدید جهت قطعه‏‎بندی و تشخیص تومورهای موجود در تصاویر ماموگرافی بافت پستان،https://civilica.com/doc/1147744

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 :

  • U.S. Breast Cancer Statistics, Last modified on October 4, 2016 ...
  • Asadi S, Sasanipour M, Meymandi MM, Hashemian AH. A Study ...
  • Harirchi I, Karbakhsh M, Kashefi A, Momtahen AJ. Breast cancer ...
  • National Cancer Institute, Breast Cancer Treatment, Last updated on December ...
  • Wallis M, Walsh M, Lee J. A review of false ...
  • Wang Z, Yu G, Kang Y, Zhao Y, Qu Q. ...
  • Moradmand H, Setayeshi S, Karimian A, Sirous M. Contrast Enhancement ...
  • Hammouche K, Diaf M, Siarry P. A multilevel automatic thresholding ...
  • Otsu N. A threshold selection method from gray-level histograms. Automatica ...
  • Pal NR, Pal SK. A review on image segmentation techniques. ...
  • Gonzalez RC, Woods RE. Digital image processing 3rd edition. Prentice ...
  • Lu J. Parallelizing Mallat algorithm for 2-D wavelet transforms. Information ...
  • Gen M, Cheng R. Genetic algorithms and engineering optimization: John ...
  • Kennedy J. Particle swarm optimization. in Encyclopedia of Machine Learning ...
  • Clerc M. Particle swarm optimization, John Wiley & Sons, 2010. ...
  • Dorigo M, Birattari M. Ant colony optimization. Encyclopedia of ...
  • Dorigo M, Blum C. Ant colony optimization theory: A survey. ...
  • Gonzalez RC, Woods RE, Eddins SL. Digital image processing using ...
  • University of South Florida Digital Mammography Home Page. Available At: ...
  • Majumder A, Irani S. Contrast enhancement of images using human ...
  • Yen J-C, Chang F-J, Chang S. A new criterion for ...
  • Pereira DC, Ramos, RP & Do Nascimento MZ. Segmentation and ...
  • عباسپور کازرونی ایمان، قیومی‌زاده حسین، حدادنیا جواد. ﻣﻌﺮﻓﯽ ﯾﮏ ﺳﯿﺴﺘﻢ ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support