محمد سلیمی - دانشجوی کارشناسی ارشد، مهندسی نرم افزار کامپیوتر،دانشکده مهندسی - دانشگاه آزاد اسلامی واحد زاهدان
ملیحه حسینی - دانشجوی کارشناسی ارشد، مهندسی برق-الکترونیک، دانشکده مهندسی - دانشگاه بیرجند

تراکم ماموگرافی به عنوان یک شاخص مهم ریسک سرطان سینه شناخته می شود. تقریب تخمین های کمی بر اساس اطلاعات هیستوگرام، قبل تر مورد بررسی قرار گرفته است.با این حال ادعاهایی در مورد اینکه سطح خاکستری ممکن است برای ایجاد تمایز بین کلاس های پیچیده ی تراکم کافی نباشد ایجاد شده است.تکنیک هیستوگرام چند کیفیتی به عنوان یک تقریب آنالیزبافتی رشد پیدا کرده است. در این پژوهش تکنیک ارائه شده را روی 322 عکس ماموگرافی از دیتابیس MIAS (انجمن آنالیز عکس ماموگرافیک) ارزیابی کردیم و آنها را بر اساس سه کلاس دسته بندی موجود(چربی، غده ای ،متراکم) طبقه بندی نمودیم، هدف اصلی تولید نمودن یک ویژگی فضایی که بتواند برای متمایز کردن کلاس های مختلف تراکم ماموگرافی استفاده شود. همچنین ساخت یک هرم گوسی پنج سطحی از نواحی سینه و محاسبه هیستوگرام و نرمالیزه کردن آن و هیستوگرام تجمعی را مورد بررسی قرار دادیم.استفاده از یک دسته بندی کننده ی DAG- SVM در پایگاه داده MIAS نتایج یک تطابق 76.41% را برای تشخیص چربی بودن داده ها و50.96% را برای تشخیص غده ای بودن داده ها و 64.75% را برای تشخیص متراکم بودن داده ها بین حالت اتوماتیک و طبقه بندی دستی توسط رادیولوژیست خبره را نشان می دهد.

سرطان سینه ، تصاویر مامو گرافی ، MIAS ، هیستوگرام، SVM