هوشمندسازی تشخیص سرطان سینه از طریق طراحی و پیاده سازی بانک فیلتر و ماتریس ویژگی تصاویر دیجیتال به منظور یکپارچه سازی تبدیل موجک با شبکه عصبی

ابتدا به جداسازی ناحیه مشکوک تصویر، ماموگرافی فیلتر گذاری به منظور بهبود دید تصویر و کاهش نویز بهبود کنتراست تصویر با استفاده از هیستوگرام تشخیص لبه در تصویر ماموگرافی پرداخته و سپس به اعمال چهار نوع از خانوادههای مختلف موجک گسسته بر روی تصاویر ماموگرافی پرداخته شد برای انواع مختلف تبدیل موجک مصالحه بین فشردگی و صاف بودن با یکدیگر تفاوت دارند این ویژگی بدین معنی است که می توانیم نوع خاصی از تبدیل موجک را انتخاب کنیم که با ویژگی مورد نظر برای استخراج از سیگنال تناسب بیشتری داشته باشد. به طراحی و پیاده سازی تبدیل موجک گسسته به صورت یک بانک فیلتری پرداختیم تا به صورت دنباله ای از فیلترهای پایین گذر و بالا گذر عمل کند و با استفاده از بانک فیلتری به دنبال تجزیه یک سیگنال و تصاویر ماموگرافی به زیر باندهای فرکانسی به منظور استخراج و تعیین ماتریس ویژگی به عنوان ورودی شبکه عصبی مصنوعی بودیم برای نمونههایی از تصاویر ماموگرافی با اعمال تبدیل موجک گسسته و از هر زیر باند ویژگیهای آماری را به عنوان ماتریس ویژگی و به عنوان ورودی در طراحی شبکه عصبی یکپارچه شده با تبدیل موجک ملاک عمل قرار دادیم فرآیند ذکر شده در محیط متلب پیاده سازی شده است.

Keywords:

بانک فیلتر , تبدیل موجک , سرطان سینه , شبکه عصبی , ماتریس ویژگی