روشي جديد براي ناحيه بندي تصاوير ماموگرافي ديجيتال و طبقه‏ بندي تومورهاي خوش‌خيم و بدخيم در سينه

ماموگرافي رايج ترين و ﻣﺆثرترين روش غربالگري براي تشخيص سرطان پستان است. در اين تحقيق، يك سيستم كمكي براي طبقه‌بندي  تومورهاي خوش خيم و بدخيم در تصاوير ماموگرافي ديجيتال ارائه شده است. در اين روش ابتدا فيلتر ميانه براي حذف نويز استفاده شده و سپس مصنوعات و ماهيچه ي پكتورال در صورت وجود حذف مي‌شوند. براي ناحيه بندي ماموگرام و استخراج ناحيه‌هاي موردنظر ابتدا يك الگوريتم جديد براي افزايش تباين نواحي مشكوك ارائه شده است كه از تفاضل بهبود يافته تصوير اصلي و مكمل آن بهره مي‌برد، سپس الگوريتم خوشه بندي C ميانگين فازي بر مبناي هيستوگرام به تصوير اعمال شده و ناحيه‌هاي موردنظر با دقتي مناسب استخـراج مي‌شوند. در مـرحله ي بعد ويـژگي هاي بافت و هندسي استخـراج مي شوند و در نهايت طبقه بندهاي ماشين بـردار پشتيبان خطي و درخت تصميم بـراي دسته بندي ناحيـه هاي موردنظر به دو كلاس خوش‌خيـم و بدخيـم، استفاده مي شوند. سيستم پيشنهادي بر روي تصاوير پايگاه‌هاي داده ي MIAS و DDSM آزمايش شده است. نتايج به دست آمده نشان‌گر اين است كه دقت سيستم پيشنهادي در مقايسه با تحقيقات پيشين اميدوار كننده است.