مجله علوم پزشکی رازی، جلد ۲۷، شماره ۴، صفحات ۰-۰

عنوان فارسی پردازش تصاویر و استخراج ندول‌های ریوی با ترکیب ویژگی‌های بافتی و هندسی
چکیده فارسی مقاله هدف: از آنجایی که تشخیص غدد سرطانی و بدخیم ریه با استفاده از روشهای عکسبرداری نظیر CT -Scan و بدون نیاز به نمونه برداری باعث کاهش ریسک پخش شدن ندول سرطانی میشود، بنابراین توسعه یک سیستم تشخیصی کامپیوتری جهت پردازش تصاویر و غدد ریوی و سپس طبقه بندی آنها به دو دسته خوشخیم و بدخیم، در تشخیص زودهنگام سرطان ریه و نجات جان بیماران نقش بسزایی ایفا می­کند. هدف از این پژوهش، دستیابی به دقت طبقه بندی بالاتر و در نتیجه دقت تشخیص بالاتر غده­های بدخیم و خوشخیم می­باشد. روش: در این پژوهش الگوریتمهایی را که پیش از این برای طبقه بندی غدد ریوی استفاده شده، معرفی می­شود و در نهایت الگوریتم پیشنهادی ارائه می­شود. در الگوریتم پیشنهادی ابتدا تصاویر سی تی اسکن ریه پیش پردازش شده و سپس به وسیله کانتور فعال چن-وسه، ناحیه ندول استخراج می­شود. از ناحیه قطعه­بندی شده، ویژگیهای هیستوگرام، بافت و هندسی استخراج می­شود. سپس این ویژگیها با استفاده از دو طبقه بند SVM و KNN، ندولهای ریوی را به دو دسته خوشخیم و بدخیم طبقه بندی می­کنند. نتایج: نتایج حاصل از پیش­پردازش­های اعمالی بررسی می­گردد. سپس تصاویر پیش­پردازش­شده توسط الگوریتم چن-وسه قطعه­بندی شده و ناحیه استخراج شده و تحت الگوریتم­های استخراج ویژگی قرار گرفته و 25 ویژگی مختلف بافتی و هندسی برای هر غده از این نواحی استخراج می­گردد. در مرحله آخر، توسط داده­های استخراج شده، طبقه­بند­های SVM و KNN اقدام به طبقه­بندی غدد می­کنند. معیارهای دقت، حساسیت و میزان اختصاصی بودن در طبقه بند برتر 1/39 ، % 899 % و 13 % بدست می­آید. جمعبندی: این روش علاوه بر دقت بالا در تشخیص، روشی کم هزینه و کم خطر نیز میباشد. روش پیشنهادی بخاطر دارا بودن حساسیت بسیار بالا و همچنین دارا بودن مقادیر مطلوب دو معیار دقت و میزان اختصاصی بودن و تعداد پایین ویژگی­های مورد استفاده جهت طبقه­بندی، بعنوان یک روش کارآمد و مناسب جهت طبقه­بندی غدد ریوی پیشنهاد می­گردد.
کلیدواژه‌های فارسی مقاله پردازش تصویر، سرطان ریه، ندول، غده، تصاویر سی تی اسکن، طبقه بندی

عنوان انگلیسی Classification of Lung nodules using textural and geometric features
چکیده انگلیسی مقاله Since the diagnosis of cancerous and malignant lung nodules using imaging techniques such as CT-scan and without the need for biopsy reduces the risk of spreading the cancerous nodules, thus developing a computerized diagnostic system to process the images and then classify them into malignant or benign, plays an important role in the early diagnosis of lung cancer and saving the lives of the patients. The aim of this study is to achieve a higher classification accuracy and consequently higher detection accuracy of malignant and benign nodules. This method, in addition to high accuracy in diagnosis, is also a low-cost and low-risk method. In this study, the algorithms that have been previously used for classification of pulmonary nodules, are reviewed and finally the proposed algorithm is presented. In the proposed algorithm, the lung CT images are first pre-processed and then the boundaries of the nodules are segmented by Chen-Vese active contour. From the segmented area, the histogram, texture, and geometric features are extracted. These features are used to classify the pulmonary nodules by SVM and KNN classifiers into two categories of benign and malignant. By applying this algorithm in this research, we reach the accuracy, sensitivity and specificity of 90.8%, 100% and 89%, respectively.  
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله هانیه قهوچی خلیق | Haniyeh Ghahvechi Khaligh,



نشانی اینترنتی http://rjms.iums.ac.ir/browse.php?a_code=A-10-5063-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده بیماریهای داخلی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات