این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
بیماری های پستان، جلد ۹، شماره ۳، صفحات ۱۴-۲۴
عنوان فارسی یک روش هیبریدی جدید جهت قطعه‏‎بندی و تشخیص تومورهای موجود در تصاویر ماموگرافی بافت پستان
چکیده فارسی مقاله چکیده مقدمه: سرطان پستان یکی از شایع‎ترین بیماری‎های زنان است. شناسایی و مرزبندی توده‌ها و تشخیص تومورهای موجود در بافت پستان از چالش‏های جدی در تشخیص این سرطان است. در حال حاضر ماموگرافی، متداول‏ترین راه تشخیص تومورهای موجود در پستان می‏باشد که عدم شناسایی صحیح مرز توده‎ها در آن می‏تواند منجر به تشخیص یا نمونه‎برداری نادرست از بافت پستان ‎شود. هدف این مقاله، معرفی یک روش هیبریدی هوشمند جدید برای شناسایی و مرزبندی تومورهای پستان در تصاویر ماموگرافی است که تشخیص خودکار خوش خیم یا بدخیم بودن تومور را تسهیل کند. روش بررسی: در این مطالعه از داده‏های پایگاه داده DDSM که شامل 150 تصویر ماموگرافی حاوی تومورهای خوش‎خیم و 150 تصویر ماموگرافی حاوی تومورهای بدخیم است، استفاده شد. پس از حذف نواحی اضافی مانند پس‎زمینه، با قطعه‎بندی تصاویر ماموگرام بر مبنای هیستوگرام تصویر و ترکیب تبدیل موجک و الگوریتم ژنتیک و نیز مورفولوژی ریاضی مرز تومور استخراج شد. همچنین علاوه بر الگوریتم ژنتیک، الگوریتم های بهینه‎سازی کلونی مورچگان و بهینه‎سازی ازدحام ذرات نیز برای قطعه‎بندی تصاویر ماموگرافی مورد استفاده و مقایسه قرار گرفتند. یافته‎ها: الگوریتم هیبریدی پیشنهادی صحت خوب و سرعت بالایی در قطعه‎بندی تصاویر ماموگرافی جهت تشخیص تومورهای پستان دارد. برای طبقه‏بندی تومورها، قطعه‏بندی با استفاده از الگوریتم ژنتیک نسبت به الگوریتم بهینه‌سازی کلونی مورچگان و بهینه‏سازی ازدحام ذرات صحت بالاتری دارد. مرزبندی تومورهای شناسایی شده در تصاویر حاصل از قطعه‎بندی با الگوریتم هیبریدی پیشنهادی، منجر به صحت طبقه‏بندی 4/91% (طبقه‏بندی به دو دسته خوش‏خیم و بدخیم) شده است که مطلوب است. نتیجه‏گیری: الگوریتم هیبریدی پیشنهادی، الگوریتمی سریع و کارآمد برای قطعه‎بندی تصاویر ماموگرافی و مرزبندی تومورهای پستان است. نتایج این مطالعه نشان داد که اولا روش هوشمند ارایه شده، دارای صحت مناسب جهت کمک به تشخیص رادیولوژیست‎ها و تا حدودی حذف مرحله نمونه‎برداری از بافت پستان می‏باشد. ثانیا بین سه الگوریتم ژنتیک، بهینه‌سازی کلونی مورچگان، و بهینه‏سازی ازدحام ذرات، الگوریتم ژنتیک منجر به صحت بالاتر طبقه‏بندی تومورها می‏شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A New Hybrid Method for Segmentation and Detection of the Tumors in the Mammographic Images of the Breast Tissue
چکیده انگلیسی مقاله Abstract Introduction: Breast cancer is one of the most common gynecological diseases. Segmentation and boundary detection of the breast tumors are from the most serious challenges in the diagnosis of breast cancer. Nowadays mammography is the best way to detect the breast tumors, in which, inaccurate segmentation and edge detection of the masses may lead to wrong diagnosis or biopsy of the breast tissue. In this paper, a new hybrid method for the segmentation and edge detection of the tumors in the mammographic images of the breast tissue is introduced in order to facilitate automatic classification of tumors as benign or malignant. Methods: In this research, the well-known DDSM database was employed which includs 150 mammography images of malignant tumors, and 150 mammography images of benign tumors. After removing additional areas such as background, edge detection of the tumors was done via segmentation of the image based on the image histogram and the combination of wavelet transform and genetic algorithm as well as mathematical morphology. Also, Ant colony optimization and Particle swarm optimization (PSO) algorithms were used for segmentation of the mammography images and compared with the proposed method. Results: The proposed hybrid method has good accuracy and high speed in segmentation of the mammography images for classification of the breast tumors. The hybrid method including genetic algorithm leads to higher classification accuracy compared with ant colony optimization and PSO algorithms. The segmentation of tumors via the proposed hybrid method leads to classification accuracy 91.4% which is satisfactory. Conclusion: The proposed hybrid method is a fast and efficient method for segmentation and edge detection of the breast tumors. The results of this paper showed that the proposed intelligent method has good ability to detect the tumors to help the radiologists and so the unnecessary biopsy of the breast tissue may be omitted. Secondly, between the applied segmentation algorithms, genetic algorithm leads to higher classification accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حامد جابری | hamed jabbari


نوشین بیگدلی | nooshin bigdeli


علی خادم | ali khadem


نشانی اینترنتی http://www.ijbd.ir/browse.php?a_code=A-10-384-3&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده بیماریهای پستان
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات