دسته بندی توده های پستان بر اساس ویژگی های Shape وTexture در پردازش تصاویر اولترا سوند با استفاده از شبکه عصبی

زمینه و هدف: سرطان پستان شایع ترین تومور بدخیم و عامل اصلی مرگ و میر ناشی از سرطان در زنان است. درجه بندی (Grading) اصلی ترین عامل تعیین پیش آگهی و درمان برای این تومور است که بر اساس آنروش درمانی مناسب انتخاب می گردد. درجه بندی سرطان پستان به طور متداول بر اساس نمونه های بافت شناسی (Histology) انجام میشود. در بسیاری از موارد این توده ها خوش خیم بوده و نیازی به روش های تهاجمی بیوپسی و درمانی نیست. مطالعات مختلف نشان داده اند که روش های تصویربرداری علاوه بر نقش مهم آن ها در افتراق ضایعات خوش خیم از بدخیم، میتواند اطلاعات اضافی راجع به درجه بندی تومور ارایه دهد که نتایج آن تا حد زیادی قابل مقایسه با نتایج بدست آمده از نمونه های بافت شناسی است. همچنین با استفاده از روش های پردازشی جدید، باپیاده سازی و ساخت یک سیستم تشخیص توده های پستانی به کمک تصاویر التراسوند و شبکهی عصبی می توان راه حلی کاربردی و مدرن ارائه داد.روش کار: به منظور دست یابی به یک سیستم تشخیص توده های پستانی، از نرم افزار پردازش تصاویر Matlab استفاده شد. برای بررسی عملکرد این سیستم تشخیصی، تعداد 40 تصویر التراسوند از افراد سالم و بیماران دارای سرطان پستان با استفاده از این الگوریتم مورد بررسی قرار گرفت.نتایج : با استفاده از مفهوم شبکه عصبی در تشخیص و دسته بندی توده های پستان، میتوان تعدادجراحی های غیرضروری و هزینه های بیمار را تا 90 کاهش داد. تصاویر اولتراسوند دارای دقت و حساسیت قابل قبولی برای تشخیص توده های پستان هستند. نتایج این روش می تواند با درستی 85 توده های پستانی را دسته بندی کند.نتیجه گیری: با استفاده از مفهوم شبکه عصبی،یک سیستم جامع برای دسته بندی توده های پستان بر اساس تصاویر اولتراسوند قابل حصول است. استفاده از این روش میتواندعلاوه بر افزایش درستی افتراق ضایعات خوش خیم از بدخیم، به ارتقای دسته بندی توده های پستانی بدون نیاز به روش های تهاجمی کمک کند و هزینه های تشخیصی و درمانی را تا حد قابل توجهی کاهش دهد.

Keywords:

سرطان پستان , التراسوند , پردازش تصویر , شبکه های عصبی.