الگوریتم جدید بهبود تصاویر پزشکی برای تشخیص سرطان سینه در تصاویر ماموگرافی با استفاده از یادگیری ماشین وبردار پشتیبان

تشخیص زودهنگام و بموقع این بیماری، نیازمند سیستم تشخیصی دقیق و سازگاری است که به متخصصان در تشخیص دقیق تومور و تمایز میان تومورهای خوشخیم و بدخیم بگونه ای کمک کند که برای تشخیص دقیق نوع تومور مجبور به بافتبرداری یا جراحی در سینه نباشند. شبکه های عصبی از نوع پسانتشار، روش موثری برای طبقه بندی نوع تومور باشد. یکی از شایع ترین سرطان ها در میان زنان، سرطان سینه است که در اکثر موارد موجب مرگ زنان می گردد. تکنیک های تصویربرداری برای افزایش امکان تشخیص زودهنگام سرطان سینه توسعه یافته است. تصاویر را می توان با سیستم های کامپیوتری (CAD) با استفاده از تکنیک های مختلف از قبیل پردازش تصویر پزشکی بهبود بخشید. هدف از این مطالعه، بررسی سهم استفاده از ترکیب های مختلف الگوریتم های بهبود تصویر مختلف اعمال شده در تصاویر ماموگرافی و عملکرد طبقه بندی روش های یادگیری ماشین به منظور افزایش کنتراست تصاویر و کاهش نویز است. الگوریتم های مختلفی برای حذف این نویزهای ناخواسته در تصویر اصلی و بهبود تصویر ایجاد شده است. هدف از پردازش تصویر این است که تصاویر پزشکی مورد استفاده در فرآیندهای تشخیص و درمان، قابل اعتمادتر و قابل درک تر باشد. با استفاده از کامپیوترها و نرم افزارهای مناسب برای این هدف، الگوریتم های ریاضی روی این داده های تصویر دیجیتال اعمال می شوند. این الگوریتم ها شامل چندین روش از قبیل تغییر اندازه تصویر، فیلتر میانگین، فیلتر میانه، فیلتر گائوسی، فیلتر وینر، شفاف سازی تصویر، تساوی هیستوگرام، انتشار ناهمسانگرد و همسان سازی هیستوگرام تطبیقی با کنتراست محدود (CLAHE) هستند. نتیجه گیری شده است که کیفیت تصاویر با استفاده از فیلتر میانه تطبیقی، بهتر از سایر روش های فیلتر است. النجدوی و همکارانش (۲۰۱۵) از ترکیبات تک و دوتایی روش های CLAHE، فیلتر میانه و فیلتر گائوسی برای بهبود تصاویر و تسهیل بخش بندی استفاده کرد. با این حال، هیچ مطالعه ای وجود ندارد که در آن از ترکیب های مختلف این روش های پیش پردازش گام به گام، استفاده و عملکرد طبقه بندی را با روش های یادگیری ماشین ارزیابی نماید. در این مقاله شفاف سازی تصویر (USM) به عنوان فیلتر وضوح تصویر، فیلتر میانه (MF) به عنوان فیلتر هموارساز تصویر و الگوریتم های CLAHE برای افزایش کنتراست مورد بحث قرار گرفته اند. مرور ادبیات و سوابق مربوطه (بیان مختصر پیشینه تحقیقات انجام شده در داخل و خارج

Keywords:

تشخیص سرطان سینه , تصویربرداری پزشکی , ماموگرافی , یادگیری ماشین , بهبود تصاویر , الگوریتم جدید