شماره ركورد :
1011732
عنوان مقاله :
كلاس‌بندي تومورهاي خوش‌خيم و بدخيم در تصاوير اولتراسوند پستان با كمك ويژگي‌هاي ريخت‌شناسي
عنوان به زبان ديگر :
Classification of Benign and Malignant Tumors in Breast Ultrasound Images by using Morphological Features
پديد آورندگان :
معمت، هدا دانشگاه تربيت مدرس - دانشكده برق و كامپيوتر - گروه مهندسي پزشكي , محلوجي فر، علي دانشگاه تربيت مدرس - دانشكده برق و كامپيوتر - گروه مهندسي پزشكي , گويا، علي دانشگاه تربيت مدرس - دانشكده برق و كامپيوتر - گروه مهندسي پزشكي , احمدي نژاد، نسرين دانشگاه علوم پزشكي تهران - دانشكده پزشكي - گروه راديولوژي
تعداد صفحه :
15
از صفحه :
75
تا صفحه :
89
كليدواژه :
كلاس‌بندي , سيستم تشخيصي كمك-رايانه‌اي , رگرسيون لجستيك , تصاوير اولتراسوند
چكيده فارسي :
سرطان پستان، دومين عامل مرگ‌ومير زنان در جهان محسوب مي‌شود و به دليل ناشناخته بودن علت اين بيماري، تنها روش كنترل آن شناسايي و تشخيص زودهنگام است. مهمترين روش تشخيص سرطان پستان، نمونه‌برداري از بافت مشكوك و انجام آزمايش‌هاي آسيب‌شناسي است. از آنجا كه انجام اين روش تهاجمي بوده و در اكثر موارد غيرضروري مي‌باشد، به همين جهت محققان در تلاش‌اند تا با ارائه سيستم‌هاي تشخيصي كمك-رايانه‌اي با قابليت اطمينان بالا، تعداد نمونه‌برداري‌هاي غيرضروري را كاهش دهند. اين سيستم‌ها از چهار بخش پيش‌پردازش، ناحيه‌بندي، استخراج و انتخاب ويژگي، و كلاس‌بندي تشكيل مي‌شوند و ابزاري سودمند براي تشخيص سرطان پستان هستند. در اين پژوهش به منظور طبقه‌بندي توده‌هاي پستان به دو گروه خوش‌خيم و بدخيم، پس از پيش‌پردازش تصاوير، به ناحيه‌بندي آنها و تعيين مرز توده، با تركيب دو رويكرد دستي و كامپيوتري، پرداخته شده است. در مرحله بعد 827 ويژگي شامل 24 ويژگي ريخت‌شناسي مبتني بر شكل و 803 ويژگي ريخت‌شناسي مبتني بر مرز از هر تصوير استخراج شده كه 604 ويژگي از آنها به تازگي در اين پژوهش ارائه شده‌اند. پس از آن با استفاده از كلاسبند رگرسيون لجستيك تنك به حذف ويژگي‌هاي نامرتبط و كلاس‌بندي تصاوير پرداخته شده است. پايگاه داده مورد استفاده در اين پژوهش شامل 104 تصوير سونوگرافي از توده‌هاي پستان (72 تصوير مربوط به توده‌هاي خوش‌خيم و 32 تصوير مربوط به توده‌هاي بدخيم) است كه با اعمال الگوريتم پيشنهادي به اين تصاوير،نوع توده با صحت %89/42، حساسيت %78/13 و دقت %94/44 تشخيص داده شده است.
چكيده لاتين :
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.
سال انتشار :
1396
عنوان نشريه :
ماشين بينايي و پردازش تصوير
فايل PDF :
7455850
عنوان نشريه :
ماشين بينايي و پردازش تصوير
لينک به اين مدرک :
بازگشت