تشخیص توده مربوط به پستان از روی پردازش تصاویر ماموگرافی

سرطان پستان مهم ترین و رایج ترین بیماری در بین زنان است که دومین میزان مرگ و میر را بعد از سرطان ریه به خود اختصاص داده است. ماموگرافی دیجیتال تصویر گرفته شده با استفاده از اشعه x برای تجزیه و تحلیل، تفسیر و تشخیص می باشد. تشخیص خودکار سرطان پستان در تصاویر ماموگرافی یک وظیفه چالش برانگیز در بین سیستم های تشخیص به کمک کامپیوتر(CAD) می باشد.

در این مقاله یک راهکار برای تشخیص اتوماتیک سرطان پستان ارایه شده است. راهکار ارایه شده شامل 3 مرحله اصلی استخراج ناحیه پستان، حذف عضله پکتورال و طبقه بندی ویژگی های استخراج شده به دو دسته سرطانی و غیر سرطانی می باشد.

برای قطعه بندی از روش آستانه گذاری اتسو و سپس حذف عضله پکتورال با استفاده از انتخاب پیکسل دانه و الگوریتم رشد ناحیه میسر شده است. در مرحله بعدی ماتریس هم وقوعی خاکستری تصویر (GLCM)که توصیف کننده بافت تصویر است ایجاد شده و 16 ویژگی از آن استخراج می شود. در نهایت طبقه بندی های مختلفی برای تفکیک ناحیه پستان به بافت های نرمال و سرطانی، آموزش داده می شوند. در نتایج به دست آمده نرخ تشخیص صحیح 100 درصد برای شبکه عصبی و3/96 درصد برای طبقه بندهای درخت تصمیم گیری (C5.0,CHAID) بدست آمده است.

نتیجه گیری:

 اعتبار سنجی راهکار ارایه شده در این مقاله با استفاده از داده های پایگاه mini-MIAS انجام شده است و نتایج با کار های قبلی انجام شده مقایسه شده است که نشان می دهد راهکار ارایه شده می تواند با اطمینان برای تشخیص سرطان پستان اعمال شود.