یک روش هیبریدی جدید جهت قطعه بندی و تشخیص تومورهای موجود در تصاویر ماموگرافی بافت پستان
نویسنده:
چکیده:
مقدمه
سرطان پستان یکی از شایعترین بیماری های زنان است. شناسایی و مرزبندی توده ها 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 ها در آن میتواند منجر به تشخیص یا نمونهبرداری نادرست از بافت پستان 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.روش بررسی
در این مطالعه از داده های پایگاه داده DDSM که شامل 150 تصویر ماموگرافی حاوی تومورهای خوشخیم و 150 تصویر ماموگرافی حاوی تومورهای بدخیم است، استفاده شد. پس از حذف نواحی اضافی مانند پسزمینه، با قطعهبندی 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 بهینهسازی کلونی مورچگان و بهینهسازی ازدحام ذرات نیز برای قطعهبندی تصاویر ماموگرافی مورد استفاده و مقایسه قرار گرفتند.یافته ها: الگوریتم هیبریدی پیشنهادی صحت خوب و سرعت بالایی در قطعهبندی تصاویر ماموگرافی جهت تشخیص تومورهای پستان دارد. برای طبقهبندی تومورها، قطعهبندی با استفاده از الگوریتم ژنتیک نسبت به الگوریتم بهینه سازی کلونی مورچگان و بهینهسازی ازدحام ذرات صحت بالاتری دارد. مرزبندی تومورهای شناسایی شده در تصاویر حاصل از قطعهبندی با الگوریتم هیبریدی پیشنهادی، منجر به صحت طبقهبندی 4/91% (طبقهبندی به دو دسته خوشخیم و بدخیم) شده است که مطلوب است.
نتیجه گیری: الگوریتم هیبریدی پیشنهادی، الگوریتمی سریع و کارآمد برای قطعهبندی 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 رادیولوژیستها و تا حدودی حذف مرحله نمونهبرداری از بافت پستان میباشد. ثانیا بین سه الگوریتم ژنتیک، بهینه سازی کلونی مورچگان، و بهینهسازی ازدحام ذرات، الگوریتم ژنتیک منجر به صحت بالاتر طبقهبندی تومورها میشود.
کلیدواژگان:
زبان:
فارسی
صفحات:
14 تا 24
لینک کوتاه:
magiran.com/p1636594
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!