معرفی یک سیستم هوشمند دقیق برای تشخیص توده‌ها در تصاویرماموگرافی
Authors
Abstract:
مقدمه: سرطان پستان یکی از شایعترین بیماریهای زنان است. شناسایی و تشخیص زودهنگام این بیماری میتواند در درمان آن بسیار مؤثر باشد. ماموگرافی درحال حاضر از مؤثرترین روشهای تشخیص بیماری سرطان پستان است. روش بررسی: ما با توجه به تصاویر ماموگرافی اقدام به تشخیص تودههای موجود در تصاویر مینماییم. در این روش نرمافزار بدون نیاز به تشخیص ناظر، نواحی اطراف تومور را بهطور کامل و دقیق شناسایی میکند و آن را بهصورت مجزا نمایش میدهد. در این روش با استفاده از تکنیکهای پردازش تصویر و الگوریتمهای مبتنی بر آن به تحلیل تصاویر ماموگرافی پرداخته میشود. انجام عملیات حذف نویز و تشخیص لبه و جداسازی نواحی با تراکم بیشتر از مهمترین عناصر شیوۀ پیشنهادی است. روش نمونهگیری و انتخاب تصاویر بهصورت نمونهگیری منظم (سیستماتیک) و تجزیه و تحلیل دادهها با استفاده از آزمون تحلیل واریانس انجام شده است. یافتهها: بهدلیل اینکه انسان در مراحل تشخیص توده نقشی ندارد و خطاهای انسانی در این عملیات بیتأثیر است، بنابراین روش پیشنهادی از دقت بسیار بالایی برخوردار است. سرعت تشخیص در روش ارائه شده بسیار بالاتر از روشهای پیشنهادی در مقالات معتبر علمی و نیز روش تشخیص انسانی توسط رادیولوژیست است. ارتباط میان تشخیص رادیولوژیست با تشخیص توسط سیستم هوشمند (01/0= p ) معنیدار بود. نتیجهگیری: الگوریتم مدل پیشنهادی بر روی 160 تصویر که از پایگاه دادۀ جامعۀ تحلیل تصاویر ماموگرافی (MIAS) دریافت شد، انجام شده است. نتایج بهدست آمده بسیار قابل قبول و با درصد خطای کمتر از 5 درصد است. سرعت بالا و نبود خطای انسانی از مهمترین عوامل مؤثر در سیستم هوشمند پیشنهادی است.
similar resources
معرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان
مقدمه: تشخیص به‌موقع سرطان پستان بهطور چشمگیری مرگومیر ناشی از آن را در جامعه زنان کاهش میدهد. آزمایش آسپیراسیون سوزنی (FNA) روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش میشود بهصورت هوشمند و ماشینی انجام گیرد.روش بررسی: مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارت‌اند از: ثبت تصاویر میکروسکوپیک از نمونه FNA، استخراج ویژگیهای عددی از ای...
full textمعرفی یک سیستم هوشمند دقیق برای تشخیص توده ها در تصاویرماموگرافی
مقدمه: سرطان پستان یکی از شایعترین بیماریهای زنان است. شناسایی و تشخیص زودهنگام این بیماری میتواند در درمان آن بسیار مؤثر باشد. ماموگرافی درحال حاضر از مؤثرترین روشهای تشخیص بیماری سرطان پستان است. روش بررسی: ما با توجه به تصاویر ماموگرافی اقدام به تشخیص تودههای موجود در تصاویر مینماییم. در این روش نرمافزار بدون نیاز به تشخیص ناظر، نواحی اطراف تومور را بهطور کامل و دقیق شناسایی میکند...
full textمعرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان
مقدمه: تشخیص به موقع سرطان پستان به طور چشمگیری مرگومیر ناشی از آن را در جامعه زنان کاهش می دهد. آزمایش آسپیراسیون سوزنی (fna) روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش میشود به صورت هوشمند و ماشینی انجام گیرد.روش بررسی: مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارت اند از: ثبت تصاویر میکروسکوپیک از نمونه fna، استخراج ویژگیهای عددی از ای...
full textمعرفی یک سیستم هوشمند دقیق برای جداسازی تصاویر ماموگرافی بر اساس میزان چگالی بافت‌ها و توده‌ها
چکیده مقدمه: سرطان پستان یکی از شایعترین بیماریهای زنان است. شناسایی و تشخیص زود هنگام این بیماری میتواند در درمان آن بسیار موثر باشد. ماموگرافی در حال حاضر از موثرترین روشهای تشخیص بیماری سرطان پستان است. دسته بندی و جداسازی تصاویر مشابه بر اساس نوع توده‌ها و بافت‌های موجود در آن میتواند در تفکیک و تشخیص بیماری بسیار موثر باشد. دقت در جداسازی ویژگی‌ها یک فاکتور مهم در طبقه بندی، کلاس بن...
full textمعرفی یک سیستم هوشمند دقیق برای جداسازی تصاویر ماموگرافی بر اساس میزان چگالی بافت ها و توده ها
چکیده مقدمه: سرطان پستان یکی از شایع ترین بیماری های زنان است. شناسایی و تشخیص زود هنگام این بیماری می تواند در درمان آن بسیار موثر باشد. ماموگرافی در حال حاضر از موثرترین روش های تشخیص بیماری سرطان پستان است. دسته بندی و جداسازی تصاویر مشابه بر اساس نوع توده ها و بافت های موجود در آن می تواند در تفکیک و تشخیص بیماری بسیار موثر باشد. دقت در جداسازی ویژگی ها یک فاکتور مهم در طبقه بندی، کلاس بندی...
full textMy Resources
Journal title
volume 2 issue 3
pages 46- 54
publication date 2009-10
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023