یک روش ترکیبی هوشمند برای تشخیص، مرزبندی و طبقه بندی توده های‏ پستان مبتنی بر ویژگی های بافت جدید مستخرج از دو نمای تصاویر ماموگرافی

سرطان پستان از مهم ترین سرطان ها در میان زنان به شمار می رود. معمولا غربالگری مورد استفاده در سرطان پستان، ماموگرافی است که درصد مرگ ناشی از آن را تا حدود زیادی کاهش داده است. هدف این مقاله، معرفی یک روش ترکیبی هوشمند جدید برای طبقه بندی بافت پستان به دو نوع سالم و ناسالم با بررسی هم زمان دو نمای استاندارد تصاویر ماموگرافی و مرزبندی بافت ناسالم است. بدین منظور، از روش ترکیبی جدیدی شامل الگوریتم های خوشه بندی و رشد ناحیه در شناسایی ناحیه مشکوک به حضور تومور استفاده می‏شود. پس از حذف پس‎زمینه، با ترکیب الگوریتم های خوشه بندی FCM و رشد ناحیه، ناحیه مشکوک به حضور تومور شناسایی و به کمک پردازش های مورفولوژیکی، مرزبندی تومور انجام می‏شود. سپس با استفاده هم زمان از دو نمای استاندارد تصویر ماموگرافی (MLO و CC) یک پستان، استخراج ویژگی های بافت بر اساس ماتریس رخداد توام و ویژگی های c و سطح شدت روشن ترین مرکز خوشه، طبقه بندی بافت پستان به دو نوع سالم و ناسالم صورت می‏گیرد. همچنین، برای اولین بار ویژگی سطح شدت روشن ترین مرکز خوشه معرفی و استفاده شده است. در نهایت، ویژگی‎های استخراج شده به عنوان ورودی‎های یک سیستم فازی برای طبقه‎بندی بافت پستان در نظر گرفته می‏شود. نتایج این پژوهش روی 300 جفت تصویر ماموگرافی نشان می‏دهد که روش ارائه شده، دارای صحت 97/7 درصدی برای طبقه بندی بافت پستان است. هم چنین نشان داده می‏شود که استفاده هم زمان از ویژگی های دو نمای استاندارد تصاویر ماموگرافی می‏تواند در تشخیص زودرس سرطان پستان مفید واقع شود.