تشخیص سرطان سینه از روی ریزدانه های کلسیم در تصویر ماموگرافی به کمک خوشه بندی فازی و شبکه های عصبی
Publish place: Journal of Advanced Signal Processing، Vol: 5، Issue: 1
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 154
This Paper With 9 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_JASP-5-1_003
تاریخ نمایه سازی: 28 فروردین 1401
Abstract:
تشخیص ریزدانه های کلسیم در تصاویر ماموگرافی سینه در تشخیص زودهنگام سرطان از اهمیت زیادی برخوردار است. شناسایی این ریزدانه ها به طور دستی و توسط افراد متخصص انجام می گیرد که با هزینه بالا و خطا همراه است. در این مقاله یک روش جدید مبتنی بر الگوریتم خوشه بندی فازی برای شناسایی ریزدانه در تصاویر ماموگرافی پیشنهاد شده است. در روش پیشنهادی کیفیت پایین تصاویر ماموگرافی به کمک پیش پردازش بهبود داده می شود. با تعریف یک تابع عضویت مناسب در خوشه بندی فازی، نواحی ریزدانه شناسایی شده اند. دقت و حساسیت ناحیه مطلوب دارای ریزدانه شناسایی شده با ناحیه ای که توسط پزشک استخراج شده مقایسه شده است. دقت شناسایی ناحیه مطلوب ۷۹/۹۶ درصد و حساسیت این شناسایی ۲۰/۹۷ درصد به دست آمده است که نسبت به روش قبلی دقت و حساسیت شناسایی ریزدانه بهبود پیدا کرده است (دقت شناسایی ناحیه مطلوب ۹۵ در صد و حساسیت ۵۲/۹۰ در صد). در ادامه به کمک شبکه عصبی انتشار به جلو با الگوریتم آموزشی پس انتشار خطا، به طبقه بندی نواحی استخراج شده به دو دسته خوش خیم و بدخیم پرداخته شده است. معیارهای دقت شناسایی، حساسیت، نرخ اخباری مثبت و منفی برای ارزیابی دقت تشخیص خوش خیم و بدخیم بودن ریزدانه به کار گرفته شد. دقت شناسایی ۵۰/۹۷ درصد، حساسیت ۱۳/۹۸ درصد، نرخ اخباری مثبت ۳۰/۹۸ درصد و منفی ۳۲/۹۶ درصد، بیان کننده نتایج مطلوب از روش پیشنهادی در این مقاله است. دلیل برتری روش پیشنهادی دقت بالا در استخراج ناحیه مورد نظر و همچنین ویژگی های متمایز استخراج شده از ناحیه مورد نظر است.
Keywords:
Authors
شیما ضرابی باب الدشت
دانشکده مهندسی برق- واحد نجف آباد، دانشگاه آزاد اسلامی - نجف آباد - ایران
ندا بهزادفر
دانشکده مهندسی برق- واحد نجف آباد، دانشگاه آزاد اسلامی - نجف آباد - ایران
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 :