بهبود تشخیص خودکار توده های خوش خیم و بدخیم در تصاویر فراصوت پستان با استفاده از یک روش قطعه بندی بهینه

سرطان پستان شایع ترین نوع سرطان در جمعیت زنان جهان است. تشخیص زودهنگام و درمان موثر با هدف کاهش مرگ و میر ناشی از این بیماری، از طریق روش های غربالگری انجام می شود. تصویربرداری فراصوت (اولتراسوند) به دلیل ماهیت غیرتهاجمی و مزایای آن نسبت به سایر روش های تشخیصی، از مهم ترین و موثرترین روش های شناسایی و تشخیص این بیماری است. به منظور بهبود عملکرد تشخیص، سیستم های تشخیص کمک رایانه ای معرفی شدند. در این پژوهش یک سیستم تمام خودکار شناسایی و تشخیص سرطان پستان ارایه شده است که متشکل از چهار مرحله اصلی است: پیش پردازش تصویر در دو گام جهت برجسته تر کردن نواحی کم پژواک (هایپواکو) و با هدف انتخاب نقطه بذر و ناحیه مطلوب و همچنین حذف نویز با استفاده از فیلتر میانگین های غیر محلی، قطعه بندی با بهره گیری از اطلاعات مکانی و فرکانسی تصویر و بهبود آن با استفاده از الگوریتم بهینه سازی ژنتیک، استخراج مجموعه ای شامل 21 ویژگی مبتنی بر شکل و مرز و در نهایت طبقه بندی با ا ستفاده از طبقه بند ماشین بردار پشتیبان به منظور تفکیک توده ها به دو گروه خوش خیم و بدخیم. نتایج ارزیابی های صورت گرفته بر روی تصاویر پایگاه های داده مختلف میزان دقت بیش از 95/5 % را نشان داد.