معرفی یک سیستم هوشمند دقیق برای جداسازی تصاویر ماموگرافی بر اساس میزان چگالی بافت ها و توده ها

سرطان پستان یکی از شایع ترین بیماری های زنان است. شناسایی و تشخیص زود هنگام این بیماری می تواند در درمان آن بسیار موثر باشد. ماموگرافی در حال حاضر از موثرترین روش های تشخیص بیماری سرطان پستان است. دسته بندی و جداسازی تصاویر مشابه بر اساس نوع توده ها و بافت های موجود در آن می تواند در تفکیک و تشخیص بیماری بسیار موثر باشد. دقت در جداسازی ویژگی ها یک فاکتور مهم در طبقه بندی، کلاس بندی و بازیابی تصاویر است.
ما با توجه به تصاویر ماموگرافی به تشخیص توده های موجود در تصاویر اقدام می کنیم. 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 دسته های مختلف نمایش می دهد. در اینجا مدلی برای کاهش اطلاعات موجود در تصاویر بر اساس آنالیز اجزا اولیه به صورت دو بعدی دو جهتی ارایه شده است که می تواند با کاهش داده های اضافی موجود در تصاویر ماموگرافی به دقت و سرعت دسته بندی تصاویر کمک کند. پس از انجام کاهش داده ها، به کمک ماشین بردار پشتیبان با تابع شعاعی به طبقه بندی و بازیابی تصاویر پرداخته شده است.
این مدل می تواند 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 توده های سرطانی در دسته های مجزا از تصاویر کم خطرتر قرار می گیرند و بدین وسیله جداسازی و آنالیز تصاویر در دسته های مختلف امکان پذیر می شود.
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.