این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
بیماری های پستان، جلد ۹، شماره ۳، صفحات ۳۱-۴۱
عنوان فارسی ارایه یک سیستم کمکی کامپیوتری خودکار جهت تشخیص خوش‏خیمی و بدخیمی توده‏ها در تصاویر ماموگرافی
چکیده فارسی مقاله چکیده مقدمه: ماموگرافی رایج‏ترین روش غربالگری برای تشخیص سرطان پستان است. در این مقاله یک سیستم کمکی برای تشخیص خوش‏خیمی و بدخیمی توده‏ها ارایه شده است. روش بررسی: در این روش ابتدا با استفاده از حذف نویز و افزایش وضوح تصویر، توده‏ها را آماده بخش‏بندی می‏کنیم. سپس با استفاده از یک الگوریتم جدید بر مبنای رشد ناحیه، توده مورد نظر را بخش‏بندی کرده و ویژگی‏های از بافت و مرز آن استخراج می‏کنیم. در ادامه با استفاده از یک معماری نوین رده‏بندهایی را با یکدیگر ترکیب کرده و از این رده‏بند مرکب جهت دسته‏بندی خوش‏خیمی و بدخیمی توده‏ها بهره می‏گیریم. یافته‏ها: این سیستم بر روی دو پایگاه داده مورد ارزیابی قرار گرفته است و نتایج حاصل نشان‏دهنده این است که سیستم کمکی پیشنهادی از لحاظ دقت کاملاً قابل رقابت با سیستم‏های مدرن موجود می‏باشد. دقت حاصل شده در پایگاه دادهMIAS برابر با 93% و در پایگاه داده DDSM برابر با 90% بوده است. نتیجه‏گیری: به طور کلی می‏توان نوآوری‏های موجود در این مقاله را در معرفی یک سیستم خودکار تطبیقی بر مبنای الگوریتم رشد ناحیه جهت بخش‏بندی توده‏ها، استفاده از توصیف‏گرهای مبتنی بر تجزیه مود ذاتی و معرفی یک معماری جدید برای ترکیب رده­بندها استفاده کرد.
کلیدواژه‌های فارسی مقاله سرطان پستان، ماموگرافی، خوش‏خیمی و بدخیمی
عنوان انگلیسی Assessment of a Novel Computer Aided Mass Diagnosis System in Mammograms
چکیده انگلیسی مقاله Abstract Introduction: Mammography is the most common modality for screening breast cancer. In this paper a computer aided system is introduced to diagnose benignity and malignancy of masses. Methods: In the first step of the proposed method, masses are prepared for segmentation using a noise reduction and contrast enhancement technique. Afterwards, a region of interest is segmented using a new adaptive region growing algorithm, and boundary and texture features are extracted to form its feature vector. Consequently, a new robust architecture is proposed to combine weak and strong classifiers to classify masses. Finally, the proposed mass diagnosis system was also tested on mini-MIAS and DDSM databases. Results: The obtained results indicate that the proposed system can compete with the state-of-the-art methods in terms of accuracy. Conclusion: The novelties of the proposed system can be summarized as presenting a new automatic adaptive region growing algorithm to extract boundary of masses, using descriptors based on empirical mode functions, and introducing a new framework for combing classifiers.
کلیدواژه‌های انگلیسی مقاله Breast Cancer, Mammography, Benign and Malignant
نویسندگان مقاله امید رحمانی سریاست | omid rahmani seryasat


جواد حدادنیا | javad haddadnia


حسین قیومی زاده | hossein ghayoumi zadeh


نشانی اینترنتی http://www.ijbd.ir/browse.php?a_code=A-10-104-7&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