شماره ركورد :
1074541
عنوان مقاله :
طبقه ‌بندي ضايعات پستان در تصاوير رزونانس مغناطيسي با استفاده از روش جداسازي مبتني بر Level Set و استخراج ويژگي گابور-هاراليك
عنوان به زبان ديگر :
Tumor Classification in Breast Magnetic Resonance Images (MRI) Using the Level Set–Based Segmentation Method and Gabor-Haralik Feature
پديد آورندگان :
پشوتن ، سهيل دانشگاه علم و صنعت ايران- دانشكده مهندسي برق - گروه مهندسي برق الكترونيك , آيت اللهي ، فضائل دانشگاه علم و صنعت ايران- دانشكده مهندسي برق - گروه مهندسي برق الكترونيك , برادران شكوهي ، شهريار دانشگاه علم و صنعت ايران- دانشكده مهندسي برق - گروه مهندسي برق الكترونيك
تعداد صفحه :
21
از صفحه :
65
تا صفحه :
85
كليدواژه :
استخراج ويژگي , جداسازي پستان , سيستم آسيب شناسي , دسته بندي
چكيده فارسي :
مقدمه: سرطان پستان را مي توان شايع ترين سرطان در ميان زنان جهان ناميد. از اين رو يافتن راه هايي براي تشخيص و درمان اين بيماري يك چالش مهم در سلامت جامعه بشري مي باشد. روش هاي مختلفي به منظور غربالگري پستان در زنان معرفي شده است كه از جمله كم خطرترين اين روش ها مي توان به تصويربرداري تشديد مغناطيسي اشاره كرد. ضايعات پستان داراي خصوصيات ظاهري مختص به خود نيستند بنابراين تفكيك خوش خيم و بدخيم بودن ضايعات در حالت عادي كار بسيار زمان بر و دشواري مي باشد. در اين پژوهش يك سيستم آسيب شناسي خودكار با كمك كامپيوتر براي تشخيص و دسته بندي تصاوير تشديد مغناطيسي محوري پستان در دو طبقه خوش خيم و بدخيم ارايه مي شود. روش بررسي: ابتدا نواحي احتمالي مشكوك به حضور ضايعه توسط يك راديولوژيست با تجربه به صورت يك كادر مستطيلي در اطراف ضايعه جداسازي مي شود. سپس از يك الگوريتم مبتني بر Level Set استفاده مي شود كه براي اولين بار با در نظر داشتن شرايط غيريكنواختي تصاوير جداسازي ضايعات انجام مي شود و همچنين در ادامه نواحي مثبت كاذب با استفاده از عمليات هاي ريخت شناسي و حذف رگ شناسايي و كنار گذاشته مي شوند. در مرحله ي بعدي چهار گروه ويژگي از نواحي جداسازي شده ضايعات استخراج مي شوند كه هركدام بيانگر حالات خاصي از ساختار ضايعه مي باشد. اين چهار گروه عبارتند از: ويژگي هاي بافتي، سينتيك، فركانسي و ريخت شناسي. در اين مقاله يك گروه جديد از ويژگي ها تحت عنوان ويژگي هاي گابور-هاراليك معرفي شده كه كارايي منحصر به فردي از خود به نمايش مي گذارند. در آخر به منظور طبقه بندي داده ها از دسته بندي كننده MLP استفاده ميشود. در تمام اين مراحل از 46 ضايعه توده اي استفاده مي شود. يافته ها: در نهايت ميزان حساسيت، خاصيت، دقت و اندازه به ترتيب برابر با 95.41، 90.70، 92.76 و 92.19 درصد براي ويژگي هاي گابور-هاراليك گزارش شده اند. نتيجه گيري: اين مقادير كارايي مناسب سيستم آسيب شناسي پيشنهادي در دسته بندي ضايعات توده اي خوش خيم و بدخيم در تصاوير تشديد مغناطيسي پستان را به نسبت ساير روش هاي پيشنهادي نشان مي دهد.
چكيده لاتين :
Introduction: Breast cancer can be considered as the most common cancer among women in the world. Hence, finding appropriate diagnosis methods is a critical and sensitive challenge in the health of the human community. Various methods have been proposed for breast screening in women, and one of the safest methods is magnetic resonance imaging. Tumors do not have morphological features of their own. Therefore, differentiating between benign and malignant lesions is normally very time-consuming and difficult. In this study, a computer-aided autodiagnosis system is developed for diagnosis and classification of axial magnetic resonance images of the breast in two classes of benign and malignant. Methods: Initially, suspected parts of the lesion were separated as a rectangular box around the lesion by an experienced radiologist. Then, we used, for the first time, a level set–based algorithm to precisely separate the lesion considering the unevenness of the images and to remove false positive regions using morphological operations and removing veins. In the next stage, four groups of features expressing particular states of the lesion structure are extracted from the separated parts of the lesions. These four groups are textural, kinetic, frequency, and morphological features. Here a new group of features called the Gabor-Haralik features, which present a particular efficiency, was extracted for each lesion. Finally, MLP classification was used to classify the lesions. Results: The proposed method was tested on 46 lesions. By utilizing Gabor-Haralik features, we achieved mean sensitivity, specificity, accuracy, and F-measure of 95.41, 90.70, 92.76, and 92.19%, respectively. Conclusion: The performance measures indicate the efficiency of the proposed diagnosis system for classification of benign and malignant breast lesions in magnetic resonance imaging.
سال انتشار :
1397
عنوان نشريه :
بيماري هاي پستان ايران
فايل PDF :
7752335
عنوان نشريه :
بيماري هاي پستان ايران
لينک به اين مدرک :
بازگشت