سهیل پشوتن - گروه مهندسی برق الکترونیک، دانشکده برق، دانشگاه علم و صنعت ایران، تهران، ایران
فضایل آیت اللهی - گروه مهندسی برق الکترونیک، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
شهریار برادران شکوهی - گروه مهندسی برق الکترونیک، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

مقدمه: سرطان پستان را میتوان شایع ترین سرطان در میان زنان جهان نامید. از این رو یافتن راه هایی برای تشخیص و درمان این بیماری یک چالش مهم در سلامت جامعه بشری می باشد. روش های مختلفی به منظور غربالگری پستان در زنان معرفی شده است که از جمله کم خطرترین این روشها میتوان به تصویربرداری تشدید مغناطیسی اشاره کرد. ضایعات پستان دارای خصوصیات ظاهری مختص به خود نیستند بنابراین تفکیک خوشخیم و بدخیم بودن ضایعات در حالت عادی کار بسیار زمان بر و دشواری می باشد. در این پژوهش یک سیستم آسیب شناسی خودکار با کمک کامپیوتر برای تشخیص و دسته بندی تصاویر تشدید مغناطیسی محوری پستان در دو طبقه ی خوشخیم و بدخیم ارایه می شود. روش بررسی: ابتدا نواحی احتمالی مشکوک به حضور ضایعه توسط یک رادیولوژیست با تجربه به صورت یک کادر مستطیلی در اطراف ضایعه جداسازی می شود. سپس از یک الگوریتم مبتنی بر Level Set استفاده می شود که برای اولین بار با در نظر داشتن شرایط غیریکنواختی تصاویر جداسازی ضایعات انجام می شود و همچنین در ادامه نواحی مثبت کاذب با استفاده از عملیات های ریخت شناسی و حذف رگ شناسایی و کنار گذاشته می شوند. در مرحلهی بعدی چهار گروه ویژگی از نواحی جداسازی شده ی ضایعات استخراج می شوند که هرکدام بیانگر حالات خاصی از ساختار ضایعه می باشد. این چهار گروه عبارتنداز: ویژگی های بافتی، سینتیک، فرکانسی و ریخت شناسی. در این مقاله یک گروه جدید از ویژگی ها تحت عنوان ویژگی های گابور-هارالیک معرفی شده که کارایی منحصر به فردی از خود به نمایش می گذارند. در آخر به منظور طبقه بندی داده ها از دسته بندی کننده ی MLP استفاده می شود. در تمام این مراحل از 46 ضایعه تودهای استفاده می شود. یافته ها: در نهایت میزان حساسیت، خاصیت، دقت و اندازه f به ترتیب برابر با 95/41، 90/70، 92/76، 92/19 درصد برای ویژگی های گابور-هارالیک گزارش شده اند. نتیجه گیری: این مقادیر کارایی مناسب سیستم آسیب شناسی پیشنهادی در دسته بندی ضایعات تودهای خوشخیم و بدخیم در تصاویر تشدید مغناطیسی پستان را به نسبت سایر روش های پیشنهادی نشان می دهد.

استخراج ویژگی، جداسازی پستان، سیستم آسیب شناسی، دسته بندی