پردازش تصاویر و استخراج ندول های ریوی با ترکیب ویژگی های بافتی و هندسی
از آنجایی که تشخیص غدد سرطانی و بدخیم ریه با استفاده از روش های عکس برداری نظیر CT -Scan و بدون نیاز به نمونه برداری باعث کاهش ریسک پخش شدن ندول سرطانی می شود، بنابراین توسعه یک سیستم تشخیصی کامپیوتری جهت پردازش تصاویر و غدد ریوی و سپس طبقه بندی آن ها به دو دسته خوش خیم و بدخیم، در تشخیص زودهنگام سرطان ریه و نجات جان بیماران نقش بسزایی ایفا می کند. هدف از این پژوهش، دستیابی به دقت طبقه بندی بالاتر و در نتیجه دقت تشخیص بالاتر غده های بدخیم و خوش خیم می باشد.
در این پژوهش الگوریتم هایی که پیش از این برای طبقه بندی غدد ریوی استفاده شده، معرفی می شود و در نهایت الگوریتم پیشنهادی ارایه می شود. در الگوریتم پیشنهادی ابتدا تصاویر سی تی اسکن ریه پیش پردازش شده و سپس به وسیله کانتور فعال چن-وسه، ناحیه ندول استخراج می شود. از ناحیه قطعه بندی شده، ویژگی های هیستوگرام، بافت و هندسی استخراج می شود. سپس این ویژگی ها با استفاده از دو طبقه بند SVM و KNN، ندول های ریوی را به دو دسته خوش خیم و بدخیم طبقه بندی می کنند.
یافته ها:
نتایج حاصل از پیش پردازش های اعمالی بررسی می گردد. سپس تصاویر پیش پردازش شده توسط الگوریتم چن-وسه قطعه بندی شده و ناحیه استخراج شده و تحت الگوریتم های استخراج ویژگی قرار گرفته و 25 ویژگی مختلف بافتی و هندسی برای هر غده از این نواحی استخراج می گردد. در مرحله آخر، توسط داده های استخراج شده، طبقه بند های SVM و KNN اقدام به طبقه بندی غدد می کنند. معیارهای دقت، حساسیت و میزان اختصاصی بودن در طبقه بند برتر % 8/90، % 100 و 89% بدست می آید.
نتیجه گیری:
این روش علاوه بر دقت بالا در تشخیص، روشی کم هزینه و کم خطر نیز می باشد. روش پیشنهادی بخاطر دارا بودن حساسیت بسیار بالا و همچنین دارا بودن مقادیر مطلوب دو معیار دقت و میزان اختصاصی بودن و تعداد پایین ویژگی های مورد استفاده جهت طبقه بندی، بعنوان یک روش کارآمد و مناسب جهت طبقه بندی غدد ریوی پیشنهاد می گردد.
پردازش تصویر ، سرطان ریه ، ندول ، غده ، تصاویر سی تی اسکن ، طبقه بندی
- 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.