آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
جلد 6، شماره 1 - ( فصلنامه بیماری های پستان 1392 )
جلد 6 شماره 1 صفحات 22-15 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Haddadnia J. A Novel Smart System for Mammographic Image Classification Based on Breast Density. ijbd 2013; 6 (1) :15-22
URL: http://ijbd.ir/article-1-254-fa.html
URL: http://ijbd.ir/article-1-254-fa.html
حدادنیا جواد. معرفی یک سیستم هوشمند دقیق برای جداسازی تصاویر ماموگرافی بر اساس میزان چگالی بافت‌ها و توده‌ها. بیماریهای پستان ایران. 1392; 6 (1) :15-22
، haddadnia@sttu.ac.ir
چکیده: (13031 مشاهده)
چکیده
مقدمه: سرطان پستان یکی از شایع‌ترین بیماریهای زنان است. شناسایی و تشخیص زود هنگام این بیماری می‌تواند در درمان آن بسیار موثر باشد. ماموگرافی در حال حاضر از موثرترین روش‌های تشخیص بیماری سرطان پستان است. دسته بندی و جداسازی تصاویر مشابه بر اساس نوع توده‌ها و بافت‌های موجود در آن می‌تواند در تفکیک و تشخیص بیماری بسیار موثر باشد. دقت در جداسازی ویژگی‌ها یک فاکتور مهم در طبقه بندی، کلاس بندی و بازیابی تصاویر است.
روش بررسی: ما با توجه به تصاویر ماموگرافی به تشخیص توده‌های موجود در تصاویر اقدام می‌کنیم. در این کار بدون نیاز به تشخیص ناظر، نرم افزار تصاویر مشابه را به طور کامل و دقیق شناسایی کرده و آنها را به صورت مجزا در دسته‌های مختلف نمایش می‌دهد. در اینجا مدلی برای کاهش اطلاعات موجود در تصاویر بر اساس آنالیز اجزا اولیه به صورت دو بعدی دو جهتی ارایه شده است که می‌تواند با کاهش داده‌های اضافی موجود در تصاویر ماموگرافی به دقت و سرعت دسته بندی تصاویر کمک کند. پس از انجام کاهش داده‌ها، به کمک ماشین بردار پشتیبان با تابع شعاعی به طبقه بندی و بازیابی تصاویر پرداخته شده است.
یافته‌ها: این مدل می‌تواند برای تحلیل و دسته بندی تصاویر ماموگرافی در حجم بالا مورد استفاده قرار گیرد. بر اساس مدل پیشنهادی، تصاویر دارای چگالی بالا و احتمال وجود توده‌های سرطانی در دسته‌های مجزا از تصاویر کم خطرتر قرار می‌گیرند و بدین وسیله جداسازی و آنالیز تصاویر در دسته‌های مختلف امکان پذیر می‌شود.
نتیجه‌گیری: مدل ارایه شده در این پژوهش، بر روی پایگاه داده جامعه تحلیل تصاویر ماموگرافی MIAS تست شده است. دقت میانگین نتایج در حدود 90% قرار گرفته است که نشان دهنده دقت بالای مدل ارایه شده است. در نهایت نتایج شبیه سازی مدل پیشنهادی با سایر گزارشات معتبر مقایسه شده است تا کارایی مدل پیشنهادی به وضوح دیده شود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
بیماریهای پستان
دریافت: 1392/8/26 | پذیرش: 1392/9/3 | انتشار: 1392/9/3
دریافت: 1392/8/26 | پذیرش: 1392/9/3 | انتشار: 1392/9/3
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
