استخراج ویژگی های مناسب جهت تشخیص بیماری سرطان پستان با استفاده از تحلیل دینامیک تصاویر ترموگرافی

ترموگرافی یک روش تصویربرداری غیرتهاجمی است که می تواند جهت تشخیص سرطان پستان مورد استفاده قرار گیرد. در این مطالعه روشی جهت استخراج ویژگی های مناسب در تصاویر دینامیک ترموگرافی سینه ارایه شد. ویژگی های استخراج شده می توانند جهت طبقه بندی تصاویر ترموگرافی به سرطانی و سالم کمک کننده باشند.

در این مطالعه توصیفی-تحلیلی تصاویر از پایگاه داده پروژه آنلاین IC/UFF استخراج شد. تعداد افراد مورد بررسی 196، شامل 41 مورد سرطانی و 155 مورد سالم بودند. هر فرد دارای 10 تصویر ترموگرافی که جمعا تعداد تصاویر آنالیز شده 1960 تصویر ترموگرافی بود. این تصاویر با استفاده از دوربین FLIR ThermaCam S45 ضبط شد. مدل پیشنهادی بر اساس سلسله تصاویر ترموگرافی پستان یک فرد جهت استخراج 8 ویژگی مناسب ارایه شد. ویژگی های استخراج شده شامل میانگین، انحراف معیار، آنتروپی، کورتوسیس، همگنی، انرژی، اسکوینس و واریانس است.

عملکرد ویژگی های استخراج شده، توسط طبقه بندکننده های شامل درخت تصمیم، ماشین بردار پشتیبان، تجزیه وتحلیل متقارن درجه دوم و الگوریتم K -نزدیک ترین همسایگی با استفاده از cross validation ده گانه مورد ارزیابی قرار گرفتند. مقادیر دقت و حساسیت به ترتیب، بر اساس الگوریتم های درخت تصمیم 99%، 99/33% و ماشین بردار پشتیبان 98/46%، 95/12% و تجزیه وتحلیل متقارن درجه دوم 100%، 100% و الگوریتم K -نزدیک ترین همسایگی 99%، 97/56% به دست آمد.

نتایج نشان داد که از میان ویژگی های آماری مرتبه اول، میانگین تفاوت، چولگی، آنتروپی و انحراف استاندارد ویژگی بسیار موثری هستند که بیشتر به تشخیص عدم تقارن کمک می کنند. ویژگی های استخراج شده با استفاده از مدل پیشنهادی می توانند در طبقه بندی افراد سالم و سرطانی در تصاویر حرارتی بسیار کمک کننده باشند.