شناسایی هوشمند توده ها برای تشخیص سرطان پستان در تصاویر ماموگرافی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
زمینه

سرطان پستان یکی از شایع ترین نوع سرطان در بین بانوان است. ماموگرافی استانداردترین روش برای تشخیص سرطان پستان است،که می توان توسط سیستم های کامپیوتری خطای انسانی رو به حداقل رساند.

روش کار

در این مقاله با استفاده از پردازش تصویر، توده مشخص شده و در عکس تشخیص داده می شود سپس در اطراف آن توسط سیستم هوشمند خط کشیده می شود. پس از انجام حذف تویز تصاویر، با استفاده از سیستم استنتاج فازی، بهبود لبه فازی انجام شده و با استفاده از فیلتر مختصات منطقی، مناطق توده مشخص شده و در تصویر نشان داده می شود.

یافته ها

سیستم هوشمند پیشنهادی به دلیل عدم وجود خطای انسانی، دارای ضریب معنی داری p <0.001 برای تشخیص صحیح در مقایسه با روش تشخیص انسانی می باشد.

نتیجه گیری

نتایج آزمایشات بر روی 322 تصویر ماموگراف ی پایگاه داده MIAS تست شده است از این میان، 120 مورد بیمار دارای تومور خوش خیم و بدخیم می باشند و 202 مورد سالم هستند. سیستم هوشمند قادر به تشخیص 115 مورد بیمار به صورت صحیح (مثبت حقیقی) و 190 مورد فرد سالم به صورت صحیح (منفی حقیقی) شده است. در این میان 12 مورد به اشتباه بیمار تشخیص (مثبت کاذب) و همچنین 5 بیمار به اشتباه سالم تشخیص (منفی کاذب) داده شده اند. بنابراین دقت سیستم هوشمند برای پایگاه داده مذکور،% 95 درصد می باشد و همچنین حساسیت و ویژگی به ترتیب 96% و 94% می باشند.

زبان:
انگلیسی
صفحات:
281 تا 286
لینک کوتاه:
magiran.com/p2171360 
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!