کلاس‌بندی تومورهای خوش‌خیم و بدخیم در تصاویر اولتراسوند پستان با کمک ویژگی‌های ریخت‌شناسی

سرطان پستان، دومین عامل مرگ‌ومیر زنان در جهان محسوب می‌شود و به دلیل ناشناخته بودن علت این بیماری، تنها روش کنترل آن شناسایی و تشخیص زودهنگام است. مهمترین روش تشخیص سرطان پستان، نمونه‌برداری از بافت مشکوک و انجام آزمایش‌های آسیب‌شناسی است. از آنجا که انجام این روش تهاجمی بوده و در اکثر موارد غیرضروری می‌باشد، به همین جهت محققان در تلاش‌اند تا با ارائه سیستم‌های تشخیصی کمک-رایانه‌ای با قابلیت اطمینان بالا، تعداد نمونه‌برداری‌های غیرضروری را کاهش دهند. این سیستم‌ها از چهار بخش پیش‌پردازش، ناحیه‌بندی، استخراج و انتخاب ویژگی، و کلاس‌بندی تشکیل می‌شوند و ابزاری سودمند برای تشخیص سرطان پستان هستند. در این پژوهش به منظور طبقه‌بندی توده‌های پستان به دو گروه خوش‌خیم و بدخیم، پس از پیش‌پردازش تصاویر، به ناحیه‌بندی آنها و تعیین مرز توده، با ترکیب دو رویکرد دستی و کامپیوتری، پرداخته شده است. در مرحله بعد 827 ویژگی شامل 24 ویژگی ریخت‌شناسی مبتنی بر شکل و 803 ویژگی ریخت‌شناسی مبتنی بر مرز از هر تصویر استخراج شده که 604 ویژگی از آنها به تازگی در این پژوهش ارائه شده‌اند. پس از آن با استفاده از کلاسبند رگرسیون لجستیک تنک به حذف ویژگی‌های نامرتبط و کلاس‌بندی تصاویر پرداخته شده است. پایگاه داده مورد استفاده در این پژوهش شامل 104 تصویر سونوگرافی از توده‌های پستان (72 تصویر مربوط به توده‌های خوش‌خیم و 32 تصویر مربوط به توده‌های بدخیم) است که با اعمال الگوریتم پیشنهادی به این تصاویر،نوع توده با صحت %89/42، حساسیت %78/13 و دقت %94/44 تشخیص داده شده است.