fa معرفی یک سیستم هوشمند دقیق برای تشخیص توده‌ها در تصاویرماموگرافی بیماریهای پستان Breast Diseases پژوهشي Research <p> <strong> مقدمه: </strong>سرطان پستان یکی از شایع­ترین بیماری­های زنان است. شناسایی و تشخیص زودهنگام این بیماری می­تواند در درمان آن بسیار مؤثر باشد. ماموگرافی درحال حاضر از مؤثرترین روش­های تشخیص بیماری سرطان پستان است. </p><p> <strong> روش بررسی: </strong>ما با توجه به تصاویر ماموگرافی اقدام به تشخیص توده­های موجود در تصاویر می­نماییم. در این روش نرم­افزار بدون نیاز به تشخیص ناظر، نواحی اطراف تومور را به­طور کامل و دقیق شناسایی می­کند و آن را به­صورت مجزا نمایش می­دهد. در این روش با استفاده از تکنیک­های پردازش تصویر و الگوریتم­های مبتنی بر آن به تحلیل تصاویر ماموگرافی پرداخته می­شود. انجام عملیات حذف نویز و تشخیص لبه و جداسازی نواحی با تراکم بیشتر از مهم­ترین عناصر شیوۀ پیشنهادی است. روش نمونه­گیری و انتخاب تصاویر به­صورت نمونه­گیری منظم (سیستماتیک) و تجزیه و تحلیل داده­ها با استفاده از آزمون تحلیل واریانس انجام شده است. </p><p> <strong> یافته­ها: </strong>به­دلیل اینکه انسان در مراحل تشخیص توده نقشی ندارد و خطاهای انسانی در این عملیات بی­تأثیر است، بنابراین روش پیشنهادی از دقت بسیار بالایی برخوردار است. سرعت تشخیص در روش ارائه شده بسیار بالاتر از روش­های پیشنهادی در مقالات معتبر علمی و نیز روش تشخیص انسانی توسط رادیولوژیست است. ارتباط میان تشخیص رادیولوژیست با تشخیص توسط سیستم هوشمند <br>(01/0= p ) معنی­دار بود. </p><p> <strong> نتیجه­گیری: </strong>الگوریتم مدل پیشنهادی بر روی 160 تصویر که از پایگاه دادۀ جامعۀ تحلیل تصاویر ماموگرافی (MIAS) دریافت شد، انجام شده است. نتایج به­دست آمده بسیار قابل قبول و با درصد خطای کمتر از 5 درصد است. سرعت بالا و نبود خطای انسانی از مهم­ترین عوامل مؤثر در سیستم هوشمند پیشنهادی است. </p> تصویر ماموگرافی, حذف نویز, تشخیص لبه, توده 46 54 http://ijbd.ir/browse.php?a_code=A-10-4-37&slc_lang=fa&sid=1 ایمان عباسپور کازرونی imanabaspur@gmail.com 0003194753284600429 0003194753284600429 Yes دانشگاه تربیت معلم سبزوار حسین قیومی زاده 0003194753284600430 0003194753284600430 No دانشگاه تربیت معلم سبزوار جواد حدادنیا 0003194753284600431 0003194753284600431 No دانشگاه تربیت معلم سبزوار