این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۵، شماره ۲، صفحات ۶۹-۸۳
عنوان فارسی یک روش ترکیبی هوشمند برای تشخیص، مرزبندی و طبقه‌بندی توده‎های‌ پستان مبتنی بر ویژگی‌های بافت جدید مستخرج از دو نمای تصاویر ماموگرافی
چکیده فارسی مقاله سرطان پستان از مهم‌ترین سرطان‌ها در میان زنان به شمار می‌رود. معمولا غربالگری مورد استفاده در سرطان پستان، ماموگرافی است که درصد مرگ ناشی از آن را تا حدود زیادی کاهش داده است. هدف این مقاله، معرفی یک روش ترکیبی هوشمند جدید برای طبقه‌بندی بافت پستان به دو نوع سالم و ناسالم با بررسی هم‌زمان دو نمای استاندارد تصاویر ماموگرافی و مرزبندی بافت ناسالم است. بدین منظور، از روش ترکیبی جدیدی شامل الگوریتم‌های خوشه‌بندی و رشد ‌ناحیه در شناسایی ناحیه مشکوک به حضور تومور استفاده می‏شود. پس از حذف پس‎زمینه، با ترکیب الگوریتم‌‌های خوشه‌بندی FCM و رشد ناحیه، ناحیه مشکوک به حضور تومور شناسایی و به کمک پردازش‌های مورفولوژیکی، مرزبندی تومور انجام می‏شود. سپس با استفاده هم‌زمان از دو نمای استاندارد تصویر ماموگرافی (MLO و CC) یک پستان، استخراج ویژگی‌های بافت بر اساس ماتریس رخداد توأم و ‌ویژگی‌های c و سطح شدت روشن‌ترین مرکز خوشه، طبقه‌بندی بافت پستان به دو نوع سالم و ناسالم صورت می‏گیرد. همچنین، برای اولین بار ویژگی سطح شدت روشن‌ترین مرکز خوشه معرفی و استفاده شده است. در نهایت، ویژگی‎های استخراج شده به عنوان ورودی‎های یک سیستم فازی برای طبقه‎بندی بافت پستان در نظر گرفته می‏شود. نتایج این پژوهش روی 300 جفت تصویر ماموگرافی نشان می‏دهد که روش ارائه شده، دارای صحت 97/7 درصدی برای طبقه‌بندی بافت پستان است. هم‌چنین نشان داده می‏شود که استفاده هم‌زمان از ویژگی‌های دو نمای استاندارد تصاویر ماموگرافی می‏تواند در تشخیص زودرس سرطان پستان مفید واقع شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی An intelligent hybrid method for the diagnosis, segmentation and classification of breast tumors based on new tissue features extracted from two views of mammography images
چکیده انگلیسی مقاله Breast cancer is one of the most important cancers among women. Usually, screening for breast cancer is mammography, which reduced the death rate caused by it. The purpose of this paper is to introduce a new hybrid intelligent method for classification of breast tissue into two healthy and unhealthy types by simultaneous examination of two aspects of mammogram images and segmentation of unplanned unhealthy tissue. To this purpose, a new hybrid method including clustering and region growth algorithms are used to identification of the suspected area to the tumor presence. The suspected area is identifiedby combining the FCM clustering and the region growth algorithms after removed the background, and was segmented tumor using the morphological processes. Then, was done classification of the breast tissue into two types of healthy and unhealthyusingsimultaneous two standard views of mammogram (MLO and CC) of a breast, and the extraction of tissue features based on the gray-level co-occurrence matrix,and c and the brightest of intensity level of the cluster center features.Also, was introduced and used the brightest of intensity level of the cluster center features for the first time. Finally, the extracted features are considered as inputs of a fuzzy system for classification of breast tissue. The results of this study are shown the proposed method has accuracy 97.7% inthe breast tissue classification on 300 pairs of mammograms. Also, it is shown that the simultaneous examination of features of the two views standard mammograms can be useful in early detection of breast cancer.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نوشین بیگدلی |
گروه مهندسی برق، دانشگاه بین‌المللی امام خمینی(ره) قزوین

حامد جباری |
دانشجوی دکتری مهندسی برق، دانشگاه بین‌المللی امام خمینی(ره) قزوین

نگار ملکی |
کارشناس ارشد مهندسی برق، دانشگاه بین المللی امام خمینی (ره) قزوین

نشانی اینترنتی http://jmvip.sinaweb.net/article_52052_852b7c223fad9b9b248ac766ece54d5e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-1258341.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات