fa تعیین مرز توده در تصاویر سه بُعدی اولتراسوند خودکار (ABUS) با استفاده از یک مدل شکل پذیر بیماریهای پستان Breast Diseases پژوهشي Research <strong><span style="font-family:b nazanin;">مقدمه</span></strong><span style="font-family:b nazanin;">: تصویربرداری اولتراسوند خودکار سه &shy;بُعدی موسوم به </span><span dir="LTR">ABUS</span><span style="font-family:b nazanin;"> یک روش تصویربرداری جدید است که به عنوان یک روش غربالگری مکمل برای ماموگرافی، جهت تشخیص زودهنگام سرطان پستان مورد استفاده قرار می&shy;گیرد. بخش&shy;بندی توده&rlm;ها در این تصاویر نقش بسیار مهمی ایفا می&shy;کند، زیرا نتیجه حاصل از آن جهت تخمین حجم توده، مقایسه&shy;های زمانی و تشخیص خوش&shy;خیمی و بدخیمی ضایعه بسیار مهم است. </span><br> <strong><span style="font-family:b nazanin;">روش بررسی</span></strong><span style="font-family:b nazanin;">: در مقاله حاضر، از یک مدل هندسی موسوم به &laquo;تکامل مجموعه تراز تنظیم فاصله&raquo; جهت بخش&shy;بندی توده&shy;ها بهره گرفتیم. این مدل در زمره مدل&shy;های هندسی مبتنی بر لبه قرار می&shy;گیرد که آن را در سه&shy;بُعد پیاده&shy;سازی و شرایط مرزی نیومن را اصلاح کردیم. سپس با تنظیم نیرویی به نام نیروی بالونی سعی کردیم منحنی اولیه را تا حد امکان به مرزهای توده نزدیک کنیم. در مقاله حاضر، جهت ارزیابی کارایی سیستم پیشنهاد شده، آن را بر روی 50 توده آزمایش کردیم. در آزمایش&rlm;های انجام شده برای ارزیابی روش پیشنهادی از معیار دایس استفاده کردیم.</span><br> <strong><span style="font-family:b nazanin;">یافته&shy;ها: </span></strong><span style="font-family:b nazanin;">طی ارزیابی انجام شده به این نتیجه رسیدیم که با استفاده از ضریب بالونی برابر 5/5- می&shy;توانیم به میانگین همپوشانی برابر 52/0 بر اساس معیار دایس دست یابیم. این در حالیست که مدل مشهور کانتور فعال جئودزیک (</span><span dir="LTR">GAC</span><span style="font-family:b nazanin;">) به میانگین همپوشانی برابر 28/0 رسیده است که نشان دهنده کارایی بیشتر روش پیشنهاد شده است.</span><br> <strong><span style="font-family:b nazanin;">نتیجه&shy;گیری:</span></strong><span style="font-family:b nazanin;"> نتیجه به دست آمده در این مقاله بالاتر از همپوشانی 4/0 است که به عنوان یک سطح قابل قبول برای بخش&rlm;بندی توده&shy;ها در تصاویر </span><span dir="LTR">ABUS</span><span style="font-family:b nazanin;"> شناخته می&shy;شود.&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; </span><br> <span style="font-family:b nazanin;">تصویربرداری سه بعدی اولتراسوند خودکار، سیستم&shy;های کمکی کامپیوتری، پردازش تصویر، بخش&shy;بندی توده.</span><br> &nbsp; <strong>Introduction:</strong> 3D Automated Breast Ultrasound System (ABUS) is a new imaging modality which can be utilized for early diagnosis of breast cancer. Mass segmentation plays an important role in ABUS because the segmented region is used for mass volume estimation, temporal comparison and diagnosing the type of masses as benign or malignant.<br> <strong>Methods:</strong> In this paper a geometric model called distance regularized level set evolution (DRLSE) has been applied for mass segmentation. This model is categorized into edge based deformable models. We implemented DRLSE in three dimensions and modified the Neumann boundary conditions as well. Afterwards,&nbsp;a force named balloon force was adjusted to approach the initial contour to the mass borders. &nbsp;<br> <strong>Results:</strong> In the presented work Dice similarity measure has been used for evaluation of the proposed segmentation method. Based on the results, we concluded that using a balloon force of -5.5 we can achieve a Dice of 0.52. This result is calculated by comparing the output of the proposed computerized segmentation method and the manually segmented regions by an expert radiologist on a dataset with 50 masses.<br> <strong>Conclusion:</strong> The resulted similarity is higher than 0.4&nbsp;which is an acceptable level for segmentation of masses in ABUS.&nbsp;<br> &nbsp; تصویربرداری سه بعدی اولتراسوند خودکار, سیستم­ های کمکی کامپیوتری, پردازش تصویر, بخش­ بندی توده. 3D Automated Breast Ultrasound, Computer Aided Systems, Image Processing, Mass Segmentation. 16 26 http://ijbd.ir/browse.php?a_code=A-10-512-2&slc_lang=fa&sid=1 Ehsan Kozegar احسان اله کوزه گر 00031947532846003109 00031947532846003109 No School of Computer Engineering, Iran University of Science and Technology دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران Mohsen Soryani محسن سریانی soryani@iust.ac.ir 00031947532846003110 00031947532846003110 No School of Computer Engineering, Iran University of Science and Technology دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران Hamid Behnam حمید بهنام 00031947532846003111 00031947532846003111 Yes School of Electrical Engineering, Iran University of Science and Technology دانشکده مهندسی برق، دانشگاه علم و صنعت ایران Masoumeh Salamati معصومه سلامتی 00031947532846003112 00031947532846003112 No Department of Reproductive Imaging, Reproductive Biomedicine Research Center, Royan Institute for Reproductive Biomedicine, ACECR پژوهشگاه رویان، پژوهشکده زیست‌شناسی و علوم پزشکی تولید مثل جهاد دانشگاهی، مرکز تحقیقات پزشکی تولید مثل Tao Tan تائو تن 00031947532846003113 00031947532846003113 No Department of Radiology and Nuclear Medicine, Radboud University Medical Center, Nijmegen 6525 GA, the Netherlands دانشکده رادیولوژی و پزشکی هسته‌ای، مرکز پزشکی دانشگاه رادبود، نایمخن، هلند