این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۷، شماره ۲، صفحات ۴۵-۵۵
عنوان فارسی روشی جدید برای ناحیه بندی تصاویر ماموگرافی دیجیتال و طبقه‌ بندی تومورهای خوش‌خیم و بدخیم در سینه
چکیده فارسی مقاله ماموگرافی رایج­ترین و ﻣﺆثرترین روش غربالگری برای تشخیص سرطان پستان است. در این تحقیق، یک سیستم کمکی برای طبقه‌بندی تومورهای خوش­ خیم و بدخیم در تصاویر ماموگرافی دیجیتال ارائه شده است. در این روش ابتدا فیلتر میانه برای حذف نویز استفاده شده و سپس مصنوعات و ماهیچه ­ی پکتورال در صورت وجود حذف می‌شوند. برای ناحیه ­بندی ماموگرام و استخراج ناحیه‌های موردنظر ابتدا یک الگوریتم جدید برای افزایش تباین نواحی مشکوک ارائه شده است که از تفاضل بهبود یافته تصویر اصلی و مکمل آن بهره می‌برد، سپس الگوریتم خوشه­بندی C میانگین فازی بر مبنای هیستوگرام به تصویر اعمال شده و ناحیه‌های موردنظر با دقتی مناسب استخـراج می‌شوند. در مـرحله­ ی بعد ویـژگی­های بافت و هندسی استخـراج می­شوند و در نهایت طبقه ­بندهای ماشین بـردار پشتیبان خطی و درخت تصمیم بـرای دسته­ بندی ناحیـه­ های موردنظر به دو کلاس خوش­ خیـم و بدخیـم، استفاده می­شوند. سیستم پیشنهادی بر روی تصاویر پایگاه‌های داده­ی MIAS و DDSM آزمایش شده است. نتایج به­ دست آمده نشان‌گر این است که دقت سیستم پیشنهادی در مقایسه با تحقیقات پیشین امیدوار کننده است.
کلیدواژه‌های فارسی مقاله سرطان سینه، ماموگرافی، افزایش تباین، ناحیه‌بندی، استخراج ویژگی،
عنوان انگلیسی A novel method for segmentation of digital mammogram and classification of benign and malignant tumors in breast
چکیده انگلیسی مقاله Mammography is the most common and effective screening method for breast cancer detection. In this paper a computer aided system for classification of benign and malignant tumors in digital mammogram is presented. First, a median filter is used for noise reduction, and then artifacts and pectoral muscle are removed to make the mammogram ready for segmentation. For segmentation of mammogram, a new contrast enhancement method is presented which employs the difference of two complement enhanced images and then a histogram based fuzzy C-means (HFCM) clustering are used for region-of-interest (ROI) extraction. Then, some geometrical and textural features are extracted, and finally linear support vector machine and decision tree classifier are used to classify the region of interest into benign and malignant classes. The proposed algorithm is validated on the MIAS and DDSM databases. The experimental results showed that the performance of the proposed method is promising compared to the other methods evaluated.
کلیدواژه‌های انگلیسی مقاله سرطان سینه, ماموگرافی, افزایش تباین, ناحیه‌بندی, استخراج ویژگی
نویسندگان مقاله حمزه حسن نیا |
دانش آموخته مهندسی مخابرات از دانشکده برق و کامپیوتر دانشگاه ارومیه

مهدی چهل امیرانی |
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه

مرتضی ولی زاده |
دانشکده مهندسی برق و کامپیوتر دانشگاه ارومیه

نشانی اینترنتی https://jmvip.sinaweb.net/article_108346_b70ccdba7f25fe530891e83677fb20b7.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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