ارایه یک سیستم کمکی کامپیوتری خودکار جهت تشخیص خوش‏خیمی و بدخیمی توده‏ها در تصاویر ماموگرافی

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 283

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJBD-9-3_004

تاریخ نمایه سازی: 8 بهمن 1399

Abstract:

چکیده مقدمه: ماموگرافی رایج‏ترین روش غربالگری برای تشخیص سرطان پستان است. در این مقاله یک سیستم کمکی برای تشخیص خوش‏خیمی و بدخیمی توده‏ها ارایه شده است. روش بررسی: در این روش ابتدا با استفاده از حذف نویز و افزایش وضوح تصویر، توده‏ها را آماده بخش‏بندی می‏کنیم. سپس با استفاده از یک الگوریتم جدید بر مبنای رشد ناحیه، توده مورد نظر را بخش‏بندی کرده و ویژگی‏های از بافت و مرز آن استخراج می‏کنیم. در ادامه با استفاده از یک معماری نوین رده‏بندهایی را با یکدیگر ترکیب کرده و از این رده‏بند مرکب جهت دسته‏بندی خوش‏خیمی و بدخیمی توده‏ها بهره می‏گیریم. یافته‏ها: این سیستم بر روی دو پایگاه داده مورد ارزیابی قرار گرفته است و نتایج حاصل نشان‏دهنده این است که سیستم کمکی پیشنهادی از لحاظ دقت کاملاً قابل رقابت با سیستم‏های مدرن موجود می‏باشد. دقت حاصل شده در پایگاه دادهMIAS  برابر با 93% و در پایگاه داده DDSM برابر با 90% بوده است. نتیجه‏گیری: به طور کلی می‏توان نوآوری‏های موجود در این مقاله را در معرفی یک سیستم خودکار تطبیقی بر مبنای الگوریتم رشد ناحیه جهت بخش‏بندی توده‏ها، استفاده از توصیف‏گرهای مبتنی بر تجزیه مود ذاتی و معرفی یک معماری جدید برای ترکیب رده­بندها استفاده کرد.

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 :
  • de Oliveira JEE, de Albuquerque Araújo A, Deserno TM. Content-based ...
  • Oliver i Malagelada A. Automatic mass segmentation in mammographic images: ...
  • Eltonsy NH, Tourassi GD, Elmaghraby AS. A concentric morphology model ...
  • Zhu D, Hong T, Lei S, editors. Research on mammogram ...
  • Kim JK, Park JM, Song KS, Park HW. Adaptive mammographic ...
  • Cheng HD, Shi XJ. A simple and effective histogram equalization ...
  • Gurcan MN, Yardimci Y, Cetin AE, Ansari R. Detection of ...
  • Huang NE, Shen Z, Long SR, Wu MC, Shih HH, ...
  • Rilling G, Flandrin P, Goncalves P, editors. On empirical mode ...
  • Xiao L, Li C, Wu Z, Wang T. An enhancement ...
  • Khan A, Waqas M, Ali MR, Altalhi A, Alshomrani S, ...
  • Dominguez AR, Nandi AK, editors. Enhanced multi-level thresholding segmentation and ...
  • Domínguez AR, Nandi AK. Toward breast cancer diagnosis based on ...
  • Ayres FJ, Rangayyan RM. Reduction of false positives in the ...
  • نمایش کامل مراجع