به کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP

سرطان پستان بهرغم انتشار گسترده، به کمک تصاویر ماموگرافی و علایم بالینی بیمار قابل شناسایی به موقع و معالجه قطعی است. حذف اختلالهای ناخواسته نظیر نویزها و بهبود کیفیت تصاویر ماموگرافی، در افزایش دقت تشخیص سرطان موثر میباشد . نویزهای ضربه در تصاویر ماموگرافی دیجیتال به گونه ای است که در آن اختلاف شدت پیکسل نویزی با پیکسلهای اطراف زیاد است . وجود علایم و ویژگیهای مختلف ای ن بیماری، تشخیص را برای پزشکان دشوار میکند. پردازش تصاویر ماموگرافی امکان تحلیل وضعیت بیماران برای تصمیم گیری های پزشکی را فراهم میکند. هدف این مقاله، ارایه یک مدل برای حذف نویز ضربه از تصاویر ماموگرافی به منظور افزایش دقت پیشبینی سرطان پستان است.روش بررسی: در این مطالعه، تصاویر ماموگرافی 574 بیمار مبتلا به سرطان پستان مورد بررسی قرار گرفته است. اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی مرتاض یزد جمع آوری شده است. به منظور ارایه مدل برای حذف نویز ضربه از تصاویر ماموگرافی از الگوریتم GBC و شبکه عصبی MLP استفاده میشود.یافته ها: مدل پیشنهادی با روشهایی از قبیل MDBUTMF و ATSM مورد مقایسه قرار گرفت. نتایج شبیهسازی برتری دقت تشخیص و حذف نویز ضربه از تصاویر ماموگرافی مدل پیشنهادی نسبت به سایر روشها را نشان میدهد. همچنینPSNR تصویر به طور متوسط 2dB افزایش مییابد.نتیجه گیری: در حذف نویز ضربه به منظور پیشبینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدلهای مورد مقایسه دارای حداقل میزان خطا و بیشترین دقت و صحت است. روش ATSM، حداکثر میزان خطا و کمترین دقت را دارا میباشد.

Keywords:

سرطان پستان , ماموگرافی , الگوریتم GBC , شبکه عصبی MLP , حذف نویز.