این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۴، شماره ۲، صفحات ۷۵-۸۹
عنوان فارسی کلاس‌بندی تومورهای خوش‌خیم و بدخیم در تصاویر اولتراسوند پستان با کمک ویژگی‌های ریخت‌شناسی
چکیده فارسی مقاله سرطان پستان، دومین عامل مرگ‌ومیر زنان در جهان محسوب می‌شود و به دلیل ناشناخته بودن علت این بیماری، تنها روش کنترل آن شناسایی و تشخیص زودهنگام است. مهمترین روش تشخیص سرطان پستان، نمونه‌برداری از بافت مشکوک و انجام آزمایش‌های آسیب‌شناسی است. از آنجا که انجام این روش تهاجمی بوده و در اکثر موارد غیرضروری می‌باشد، به همین جهت محققان در تلاش‌اند تا با ارائه سیستم‌های تشخیصی کمک-رایانه‌ای با قابلیت اطمینان بالا، تعداد نمونه‌برداری‌های غیرضروری را کاهش دهند. این سیستم‌ها از چهار بخش پیش‌پردازش، ناحیه‌بندی، استخراج و انتخاب ویژگی، و کلاس‌بندی تشکیل می‌شوند و ابزاری سودمند برای تشخیص سرطان پستان هستند. در این پژوهش به منظور طبقه‌بندی توده‌های پستان به دو گروه خوش‌خیم و بدخیم، پس از پیش‌پردازش تصاویر، به ناحیه‌بندی آنها و تعیین مرز توده، با ترکیب دو رویکرد دستی و کامپیوتری، پرداخته شده است. در مرحله بعد 827 ویژگی شامل 24 ویژگی ریخت‌شناسی مبتنی بر شکل و 803 ویژگی ریخت‌شناسی مبتنی بر مرز از هر تصویر استخراج شده که 604 ویژگی از آنها به تازگی در این پژوهش ارائه شده‌اند. پس از آن با استفاده از کلاسبند رگرسیون لجستیک تنک به حذف ویژگی‌های نامرتبط و کلاس‌بندی تصاویر پرداخته شده است. پایگاه داده مورد استفاده در این پژوهش شامل 104 تصویر سونوگرافی از توده‌های پستان (72 تصویر مربوط به توده‌های خوش‌خیم و 32 تصویر مربوط به توده‌های بدخیم) است که با اعمال الگوریتم پیشنهادی به این تصاویر،نوع توده با صحت %89/42، حساسیت %78/13 و دقت %94/44 تشخیص داده شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Classification of Benign and Malignant Tumors in Breast Ultrasound Images by using Morphological Features
چکیده انگلیسی مقاله Breast cancer is the second leading cause of death for women all over the world and since the cause of the disease remains unknown, the only method for controlling it is its early detection and diagnosis. The most prominent method for the treatment of breast cancer is biopsy and pathological tests. As the mentioned treatments are invasive and are, in many cases, unnecessary, researchers are in search for high-reliability computer-aided diagnostic systems in order to decrease the number of unnecessary biopsies. These systems consist of four major parts: preprocessing, segmentation, feature extraction and selection, and classification which are beneficial tools for diagnosis of breast cancer. In the present study in order to classify the breast tumors into benign and malignant, borders of the tumors are identified after image preprocessing using with a combination of manual and computerize approaches. In the next stage, 827 features, consisting of 24 shape-based morphological features and 803 border-based morphological features, have been extracted from each image, which 604 of them are recent features added in the present study. Subsequently, a sparse logistic regression classifier was used to eliminate the irrelevant features and classify the images. The data base used in the current study includes 104 Sonography images from breast tumors (72 from benign and 32 from malignant tumors). By applying the suggested algorithm in the present study to images, type of tumors was identified with 89.42% accuracy, 78.13% sensitivity, and 94.44% precision.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله هدا نعمت |
کارشناس ارشد مهندسی پزشکی، دانش آموخته دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

علی محلوجی فر |
دانشگاه تربیت مدرس، دانشکده برق و کامپوتر، گروه مهندسی پزشکی
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

علی گویا |
دانشگاه تربیت مدرس، دانشکده برق و کامپوتر، گروه مهندسی پزشکی
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نسرین احمدی نژاد |
دانشگاه علوم پزشکی تهران، دانشکده پزشکی، گروه رادیولوژی
سازمان اصلی تایید شده: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)

نشانی اینترنتی http://jmvip.sinaweb.net/article_44400_a91c3185d57c20a8f91d84980ffb624b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-558275.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