Iranian Journal of Breast Diseases
بیماریهای پستان ایران
ijbd
Medical Sciences
http://ijbd.ir
0
user
1735-9406
2645-7482
10.61186/ijbd
fa
jalali
1395
9
1
gregorian
2016
12
1
9
3
online
1
fulltext
fa
یک روش هیبریدی جدید جهت قطعهبندی و تشخیص تومورهای موجود در تصاویر ماموگرافی بافت پستان
A New Hybrid Method for Segmentation and Detection of the Tumors in the Mammographic Images of the Breast Tissue
بیماریهای پستان
Breast Diseases
پژوهشي
Research
<p dir="RTL"><strong>چکیده </strong></p>
<p dir="RTL"><strong>مقدمه:</strong> سرطان پستان یکی از شایع<span dir="LTR">‎</span>ترین بیماری<span dir="LTR">‎</span>های زنان است. شناسایی و مرزبندی تودهها و تشخیص تومورهای موجود در بافت پستان از چالش‏های جدی در تشخیص این سرطان است. در حال حاضر ماموگرافی، متداول‏ترین راه تشخیص تومورهای موجود در پستان می‏باشد که عدم شناسایی صحیح مرز توده<span dir="LTR">‎</span>ها در آن می‏تواند منجر به تشخیص یا نمونه<span dir="LTR">‎</span>برداری نادرست از بافت پستان <span dir="LTR">‎</span>شود. هدف این مقاله، معرفی یک روش هیبریدی هوشمند جدید برای شناسایی و مرزبندی تومورهای پستان در تصاویر ماموگرافی است که تشخیص خودکار خوش خیم یا بدخیم بودن تومور را تسهیل کند.</p>
<p dir="RTL"><strong>روش بررسی:</strong> در این مطالعه از داده‏های پایگاه داده <span dir="LTR">DDSM</span> که شامل 150 تصویر ماموگرافی حاوی تومورهای خوش<span dir="LTR">‎</span>خیم و 150 تصویر ماموگرافی حاوی تومورهای بدخیم است، استفاده شد. پس از حذف نواحی اضافی مانند پس<span dir="LTR">‎</span>زمینه، با قطعه<span dir="LTR">‎</span>بندی تصاویر ماموگرام بر مبنای هیستوگرام تصویر و ترکیب تبدیل موجک و الگوریتم ژنتیک و نیز مورفولوژی ریاضی مرز تومور استخراج شد. همچنین علاوه بر الگوریتم ژنتیک، الگوریتم های بهینه<span dir="LTR">‎</span>سازی کلونی مورچگان و بهینه<span dir="LTR">‎</span>سازی ازدحام ذرات نیز برای قطعه<span dir="LTR">‎</span>بندی تصاویر ماموگرافی مورد استفاده و مقایسه قرار گرفتند.</p>
<p dir="RTL"><strong>یافته</strong><strong><span dir="LTR">‎</span></strong><strong>ها: </strong>الگوریتم هیبریدی پیشنهادی صحت خوب و سرعت بالایی در قطعه<span dir="LTR">‎</span>بندی تصاویر ماموگرافی جهت تشخیص تومورهای پستان دارد. برای طبقه‏بندی تومورها، قطعه‏بندی با استفاده از الگوریتم ژنتیک نسبت به الگوریتم بهینهسازی کلونی مورچگان و بهینه‏سازی ازدحام ذرات صحت بالاتری دارد. مرزبندی تومورهای شناسایی شده در تصاویر حاصل از قطعه<span dir="LTR">‎</span>بندی با الگوریتم هیبریدی پیشنهادی، منجر به صحت طبقه‏بندی 4/91% (طبقه‏بندی به دو دسته خوش‏خیم و بدخیم) شده است که مطلوب است.</p>
<p dir="RTL"><strong>نتیجه‏گیری:</strong> الگوریتم هیبریدی پیشنهادی، الگوریتمی سریع و کارآمد برای قطعه<span dir="LTR">‎</span>بندی تصاویر ماموگرافی و مرزبندی تومورهای پستان است. نتایج این مطالعه نشان داد که اولا روش هوشمند ارایه شده، دارای صحت مناسب جهت کمک به تشخیص رادیولوژیست<span dir="LTR">‎</span>ها و تا حدودی حذف مرحله نمونه<span dir="LTR">‎</span>برداری از بافت پستان می‏باشد. ثانیا بین سه الگوریتم ژنتیک، بهینهسازی کلونی مورچگان، و بهینه‏سازی ازدحام ذرات، الگوریتم ژنتیک منجر به صحت بالاتر طبقه‏بندی تومورها می‏شود.</p>
<p></p>
<p><strong>Abstract</strong></p>
<p><strong>Introduction</strong><strong>:</strong> Breast cancer is one of the most common gynecological diseases. Segmentation and boundary detection of the breast tumors are from the most serious challenges in the diagnosis of breast cancer. Nowadays mammography is the best way to detect the breast tumors, in which, inaccurate segmentation and edge detection of the masses may lead to wrong diagnosis or biopsy of the breast tissue. In this paper, a new hybrid method for the segmentation and edge detection of the tumors in the mammographic images of the breast tissue is introduced in order to facilitate automatic classification of tumors as benign or malignant.</p>
<p><strong>Methods<em>:</em></strong> In this research, the well-known DDSM database was employed which includs 150 mammography images of malignant tumors, and 150 mammography images of benign tumors. After removing additional areas such as background, edge detection of the tumors was done via segmentation of the image based on the image histogram and the combination of wavelet transform and genetic algorithm as well as mathematical morphology. Also, Ant colony optimization and Particle swarm optimization (PSO) algorithms were used for segmentation of the mammography images and compared with the proposed method.</p>
<p><strong>Results:</strong> The proposed hybrid method has good accuracy and high speed in segmentation of the mammography images for classification of the breast tumors. The hybrid method including genetic algorithm leads to higher classification accuracy compared with ant colony optimization and PSO algorithms. The segmentation of tumors via the proposed hybrid method leads to classification accuracy 91.4% which is satisfactory.</p>
<p><strong>Conclusion:</strong> The proposed hybrid method is a fast and efficient method for segmentation and edge detection of the breast tumors. The results of this paper showed that the proposed intelligent method has good ability to detect the tumors to help the radiologists and so the unnecessary biopsy of the breast tissue may be omitted. Secondly, between the applied segmentation algorithms, genetic algorithm leads to higher classification accuracy.</p>
<p></p>
سرطان پستان, شناسایی تومور, مرزبندی تومور, تبدیل موجک, الگوریتم ژنتیک, الگوریتم بهینهسازی کلونی مورچگان, الگوریتم بهینه سازی ازدحام ذرات
Breast Cancer, Tumor Detection, Tumor Segmentation, Wavelet Transform, Genetic Algorithm, Ant Colony Optimization Algorithm, Particle Swarm Optimization Algorithm
14
24
http://ijbd.ir/browse.php?a_code=A-10-384-3&slc_lang=fa&sid=1
Hamed
Jabbari
حامد
جباری
00031947532846002773
00031947532846002773
No
Nooshin
Bigdeli
نوشین
بیگدلی
.bigdeli@eng.ikiu.ac.ir
00031947532846002774
00031947532846002774
Yes
Ali
Khadem
علی
خادم
00031947532846002775
00031947532846002775
No