يك روش تركيبي هوشمند براي تشخيص، مرزبندي و طبقه بندي توده هاي پستان مبتني بر ويژگي هاي بافت جديد مستخرج از دو نماي تصاوير ماموگرافي

سرطان پستان از مهم‌ترين سرطان‌ها در ميان زنان به شمار مي‌رود. معمولا غربالگري مورد استفاده در سرطان پستان، ماموگرافي است كه درصد مرگ ناشي از آن را تا حدود زيادي كاهش داده است. هدف اين مقاله، معرفي يك روش تركيبي هوشمند جديد براي طبقه‌بندي بافت پستان به دو نوع سالم و ناسالم با بررسي هم‌زمان دو نماي استاندارد تصاوير ماموگرافي و مرزبندي بافت ناسالم است. بدين منظور، از روش تركيبي جديدي شامل الگوريتم‌هاي خوشه‌بندي و رشد ‌ناحيه در شناسايي ناحيه مشكوك به حضور تومور استفاده ميشود. پس از حذف پسزمينه، با تركيب الگوريتم‌‌هاي خوشه‌بندي FCM و رشد ناحيه، ناحيه مشكوك به حضور تومور شناسايي و به كمك پردازش‌هاي مورفولوژيكي، مرزبندي تومور انجام ميشود. سپس با استفاده هم‌زمان از دو نماي استاندارد تصوير ماموگرافي (MLO و CC) يك پستان، استخراج ويژگي‌هاي بافت بر اساس ماتريس رخداد توأم و ‌ويژگي‌هاي c و سطح شدت روشن‌ترين مركز خوشه، طبقه‌بندي بافت پستان به دو نوع سالم و ناسالم صورت ميگيرد. همچنين، براي اولين بار ويژگي سطح شدت روشن‌ترين مركز خوشه معرفي و استفاده شده است. در نهايت، ويژگيهاي استخراج شده به عنوان وروديهاي يك سيستم فازي براي طبقهبندي بافت پستان در نظر گرفته ميشود. نتايج اين پژوهش روي 300 جفت تصوير ماموگرافي نشان ميدهد كه روش ارائه شده، داراي صحت 97/7 درصدي براي طبقه‌بندي بافت پستان است. هم‌چنين نشان داده ميشود كه استفاده هم‌زمان از ويژگي‌هاي دو نماي استاندارد تصاوير ماموگرافي ميتواند در تشخيص زودرس سرطان پستان مفيد واقع شود.