جلد 9، شماره 2 - ( فصلنامه علمی - پژوهشی بیماری های پستان ایران 1395 )                   جلد 9 شماره 2 صفحات 35-19 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Momeny M, Sarram R, Agha Sarram M, Shiryazdi M, Ghasemi A, Pourahmadi A et al . Using MLP Neural Network and PSO Algorithm for Reduction of Degradation Caused by High Density Impulsive Noise in Mammography Images. ijbd. 2016; 9 (2) :19-35
URL: http://ijbd.ir/article-1-526-fa.html
مومنی محمد، صرام رابعه، آقاصرام مهدی، شیریزدی مصطفی، قاسمی افسانه، پوراحمدی علی و همکاران.. به‏کارگیری الگوریتم GBC جهت افزایش دقت تشخیص و حذف نویز ضربه در تصاویر ماموگرافی مبتنی بر شبکه عصبی MLP. فصلنامه بیماری های پستان ایران. 1395; 9 (2) :35-19

URL: http://ijbd.ir/article-1-526-fa.html


، mohamad.momeny@stu.yazd.ac.ir
چکیده:   (6544 مشاهده)

چکیده

مقدمه: 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 گونه­ای است که در آن اختلاف شدت پیکسل نویزی با پیکسل‌های اطراف زیاد است. وجود علایم و ویژگی­های مختلف این بیماری، تشخیص را برای پزشکان دشوار می­کند. پردازش تصاویر ماموگرافی امکان تحلیل وضعیت بیماران برای تصمیم­گیری­های 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 جمع­آوری شده ­است. به منظور ارایه مدل برای حذف نویز ضربه از تصاویر ماموگرافی از الگوریتم GBC و شبکه عصبی MLP استفاده می­شود.

یافته­ها: 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. همچنین PSNR تصویر به طور متوسط dB2 افزایش می­یابد.

نتیجه­گیری: 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.

متن کامل [PDF 1665 kb]   (2593 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: بیماریهای پستان
دریافت: 1395/6/27 | پذیرش: 1395/6/27 | انتشار: 1395/6/27

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه علمی- پژوهشی بیماری های پستان ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Iranian Quarterly Journal of Breast Disease

Designed & Developed by : Yektaweb