روشی جدید برای ناحیه بندی تصاویر ماموگرافی دیجیتال و طبقه بندی تومورهای خوش خیم و بدخیم در سینه
Publish place: Machine Vision and Image Processing، Vol: 7، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 307
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_JMVIP-7-2_005
تاریخ نمایه سازی: 23 اردیبهشت 1400
Abstract:
ماموگرافی رایجترین و موثرترین روش غربالگری برای تشخیص سرطان پستان است. در این تحقیق، یک سیستم کمکی برای طبقه بندی تومورهای خوش خیم و بدخیم در تصاویر ماموگرافی دیجیتال ارائه شده است. در این روش ابتدا فیلتر میانه برای حذف نویز استفاده شده و سپس مصنوعات و ماهیچه ی پکتورال در صورت وجود حذف می شوند. برای ناحیه بندی ماموگرام و استخراج ناحیه های موردنظر ابتدا یک الگوریتم جدید برای افزایش تباین نواحی مشکوک ارائه شده است که از تفاضل بهبود یافته تصویر اصلی و مکمل آن بهره می برد، سپس الگوریتم خوشهبندی C میانگین فازی بر مبنای هیستوگرام به تصویر اعمال شده و ناحیه های موردنظر با دقتی مناسب استخـراج می شوند. در مـرحله ی بعد ویـژگیهای بافت و هندسی استخـراج میشوند و در نهایت طبقه بندهای ماشین بـردار پشتیبان خطی و درخت تصمیم بـرای دسته بندی ناحیـه های موردنظر به دو کلاس خوش خیـم و بدخیـم، استفاده میشوند. سیستم پیشنهادی بر روی تصاویر پایگاه های دادهی MIAS و DDSM آزمایش شده است. نتایج به دست آمده نشان گر این است که دقت سیستم پیشنهادی در مقایسه با تحقیقات پیشین امیدوار کننده است.
Keywords:
Authors
حمزه حسن نیا
دانش آموخته مهندسی مخابرات از دانشکده برق و کامپیوتر دانشگاه ارومیه
مهدی چهل امیرانی
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه
مرتضی ولی زاده
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه