آشکارسازی و دسته بندی تمام خودکار نواحی مشکوک در تصاویر ترموگرام پستان برای تشخیص زودهنگام سرطان

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 آشکارسازی و دسته بندی تمام خودکار نواحی مشکوک در تصاویر ترموگرام پستان برای تشخیص زودهنگام سرطان دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد آشکارسازی و دسته بندی تمام خودکار نواحی مشکوک در تصاویر ترموگرام پستان برای تشخیص زودهنگام سرطان  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی آشکارسازی و دسته بندی تمام خودکار نواحی مشکوک در تصاویر ترموگرام پستان برای تشخیص زودهنگام سرطان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن آشکارسازی و دسته بندی تمام خودکار نواحی مشکوک در تصاویر ترموگرام پستان برای تشخیص زودهنگام سرطان :

نام کنفرانس، همایش یا نشریه : مهندسی پزشکی زیستی

تعداد صفحات :۱۸

سرطان پستان رایج ترین نوع سرطان در بین زنان است. مطالعات پاتولوژیک نشان داده اند بیش از ۸۰% ناهنجاری های پستان در مراحل اولیه خوش خیم هستند، بنابراین مهمترین مساله در درمان آن تشخیص زودهنگام است. ترموگرافی مادون قرمز پستان یک روش تصویرگیری مبتنی بر ثبت الگوهای توزیع دمایی بافت پستان است و در مقایسه با ماموگرافی پستان به دلیل غیرتهاجمی، غیرتماسی، غیرفعال بودن و عدم استفاده از تابش یونیزان روشی بسیار مناسب در تشخیص زودهنگام سلول های سرطانی است. در این مقاله روشی به منظور آشکارسازی خودکار نواحی مشکوک در تصاویر ترموگرام پستان با هدف کمک رساندن به پزشکان در تشخیص زودهنگام این سرطان ارائه شده است، به نحوی که دقت و صحت را افزایش داده و درصد پذیرش اشتباه را کاهش می دهد. این الگوریتم شامل ۴ بخش اصلی پردازش تصویر، استخراج ویژگی، انتخاب ویژگی و طبقه بندی است. در مرحله پردازش، ابتدا بر اساس عملیاتی تمام خوکار، ناحیه مطلوب تعیین شده، کیفیت تصاویر ارتقاء یافته و سپس پستان راست و چپ از یکدیگر جدا می شوند. سپس درایه های ماتریس تصویر، نرمال سازی شده و نواحی نسبی مشکوک تعیین می شوند. پس از آن در مرحله استخراج ویژگی، ویژگی های آماری، ویژگی هایی مبتنی بر هیستوگرام، ویژگی هایی مبتنی بر ماتریس هم وقوعی (GLCM)، ویژگی هایی بر اساس مورفولوژی نواحی مشکوک و ویژگی هایی در حوزه فرکانس از هر یک از نواحی بخش بندی شده پستان راست و چپ استخراج می شوند. در ادامه برای دستیابی به بهترین ویژگی ها، روش های انتخاب ویژگی نظیر کم ترین افزونگی و بیشترین ارتباط (mRMR)، انتخاب متوالی رو به جلو (SFS)، انتخاب متوالی رو به عقب (SBS)، انتخاب متوالی سیال رو به جلو (SFFS)، انتخاب متوالی سیال رو به عقب (SFBS) و الگوریتم ژنتیک (GA) به کار گرفته می شود. در پایان برای طبقه بندی و تعیین معیار استاندارد برای تحلیل دمای عروقی پستان ها (TH)، روش های مختلف طبقه بندی مانند AdaBoost، ماشین های بردار پشتیبان (SVM)، نزدیک ترین همسایه (KNN)، بیزین ساده (NB) و شبکه عصبی احتمالی (PNN) مورد ارزیابی قرار گرفتند، تا از مناسب ترین آن به منظور طبقه بندی ویژگی ها استفاده شود. نتایج به دست آمده روی پایگاه داده بومی، بیانگر کارایی قابل توجه روش پیشنهادی است. با توجه به نتایج، ترکیبmRMR با AdaBoost با بیشینه صحت %۹۲ و ترکیب SFFS با AdaBoost با بیشینه صحت ۸۸%، به ترتیب بهترین ترکیبات به دست آمده روی تصاویر پستان راست و چپ ارزیابی شدند.

کلید واژه: سرطان پستان، ترموگرافی پستان، ترموگرام، انتخاب ویژگی، طبقه بندی، TH