مریم شفیعی سروستانی
حسن معصومی
محمدامین پیربنیه

سرطان نوعی بیماری است که در آن سلول توانایی تقسیم و رشد عادی خود را از دست می دهد. از آنجا که یکی از روش های تشخیص آن استفاده از روش های سیستم های کامپیوتری می باشد، ما با استفاده از این روش و پردازش تصاویر ماموگرافی سعی در ارایه روشی نوین جهت شناسایی تصاویر نرمال و غیر نرمال می باشیم که منجر به تشخیص افراد سالم از ناسالم می شود. از این طریق می توان به رادیولوژیست در تشخیص زود هنگام و شروع درمان به موقع بیماری کمک نمود.روش پیشنهادی به این صورت است که در ابتدا تصاویر ماموگرافی توسط نرم افزار متلب فراخوانی و پیش پردازش می شوند. در ادامه تصاویر توسط عملگر روبرت تقسیم بندی و لبه یابی می شوند تا آن ها را برای استخراج ویژگی های مورد نیاز آماد نماییم در این مطالعه از روش های ترسیم هیستوگرام و Regionprops، ویژگی هایی نظیر مساحت، محیط پستان، بیشترین تجمع داده در تصویر، مرکز ثقل تصویر، جهت چرخش تصویر بدست آمدند سپس توسط عملگر تابع نوزیع نرمال، با محاسبه واریانس و میانگین، نمودار تابع چگالی احتمال هرکدام از ویژگی ها بدست آمد. به این صورت ویژگی های مورد نظر انتخاب شده برای طبقه بندی تصاویر به دو دسته تصاویر نرمال و غیر نرمال به الگوریتم انتخابی مخلوط گوسی GMM استفاده شده در این مطالعه اعمال شدند. رویکرد اصلی آن تخمین پارامترها از روش بیشینه سازی امید ریاضی EM می باشد. به این صورت که مقادیر پارامترهای مدل در GMM را محاسبه می کند. حال با اختصاص 70 % داده ها برای آموزش و 30 % آنها برای تست سیستم این الگوریتم فرآیند آموزشی را بارها به صورت تصادفی اجرا و تکرار می کند تا به نقطه ای خوب با دقتی بالا همگرا شود. نتایج به دست آمده شامل 93.75 % دقت، ضریب خطای صفر و 80 % ویژگی می باشد.

سرطان سینه، پردازش تصویر، استخراج و انتخاب ویژگی، تابع مخلوط گوسی GMM