ردیابی نامتقارنی های حرارتی دو سینه و آنالیز فرکتالی و غیر خطی در تصاویر مادون قرمز سینه جهت تشخیص تومورها

امروزه سرطان سینه یکی از مشکلات اساسی سلامتی زنان است. در دهه 60 میلادی از هر بیست نفر یک نفر مبتلا به این بیماری بود در حالی که در سالهای اخیر از هر هشت نفر یک نفر مبتلاست. برخی محققین معتقدند که سرطان بیماری عصر ماشین است. اگر سرطان سینه زود تشخیص داده شود شانس زنده ماندن بیمار 85% افزایش می یابد. امروزه با گسترش دوربینهای تصویر برداری مادون قرمز با دقت بالا وکامپیوترهای سریع و روشهای جدید پردازش تصویر، از ترموگرافی جهت ردیابی زود هنگام سرطان سینه استفاده می شود. روش ترموگرافی سینه دارای مزایای زیادی است. در این روش هیچ اشعه زیانباری در کار نیست. این روش غیرتهاجمی، سریع و بدون درد است. برای زنان با سینه های فیبروکیستی، زنان با سینه های فشرده، زنان آبستن و یا زنان شیرده بسیار مناسب است. در این تحقیق برای اولین بار تصاویر مادون قرمز سینه جداسازی رنگی می شوند. این جداسازی تصاویر توسط سه روش k means ، mean shift و fuzzy c means صورت می گیرد. با مقایسه نتایج بدست آمده روش fuzzy c means برای این جداسازی انتخاب می شود. در بدن انسان سالم معمولا اعضاء جفت (سینه ها، دست ها، پاها، چشم ها) بصورت متقارن هستند. در این تحقیق توسط یک الگوریتم پیشنهاد شده به محاسبه اطلاعات متقابل بین دو سینه چپ و راست پرداخته می شود. نتایج بدست آمده از اجرای این الگوریتم نشان می دهد هرچه پروفایل حرارتی دو سینه چپ و راست به هم نزدیکتر باشد مقدار اطلاعات متقابل نرمالیزه شده دو سینه به عدد یک نزدیکتر می شود. برای اجرای الگوریتم پیشنهاد شده اطلاعات متقابل روی تصاویر واقعی دو سینه چپ وراست بایستی یک registration روی تصاویر دو سینه انجام گیرد. اینکار توسط الگوریتم shape context صورت می گیرد. نتایج بدست آمده از اجرای این الگوریتم موفق بودن الگوریتم را جهت registration دو سینه نشان می دهد. از آنجا که تومورهای سرطانی دارا ی شکل فرکتالی هستند یک الگوریتم پیشنهادی در این رساله جهت ردیابی خوش خیمی یا بد خیمی تومورهای سینه به کمک آنالیز فرکتالی ارائه می گردد. این الگوریتم برای ده الگو طراحی شده و همچنین تصاویر واقعی سینه اجرا می شود. همانطور که انتظار می رود نتایج بدست آمده از الگوهای طراحی شده نشان می دهد هر چه مرزهای این الگوها پیچیده تر شوند بعد فرکتالی آنها بزرگتر می شود و نتایج بدست آمده از تصاویر واقعی نشان می دهد بعد فرکتالی تومورهای خوش خیم کوچکتر از بعد فرکتالی تومورهای بدخیم است. میانگین بعد فرکتالی برای موارد خوش خیم 0429/1 بدست آمده است که کوچکتر از 3284/1 برای موارد بدخیم است. همچنین انحراف معیار برای موارد خوش خیم0676/0 و برای موارد بدخیم 0430/0 بدست آمده است که نشان می دهد بازه بعد فرکتالی موارد خوش خیم بزرگتر از بازه بعد فرکتالی موارد بدخیم است. پیچیدگی وآشوبگونگی تومورهای سرطانی، پتانسیل آنها را برای مطرح شدن در سیستمهای غیر خطی آشوبگونه نشان می دهد. آنالیز غیر خطی تصاویر مادون قرمز سینه از طریق محاسبه نماهای لیاپانوف برای اولین بار در این تحقیق مطرح می گردد. تخمین نماهای لیاپانوف براساس روش ژاکوبین صورت می گیرد و برای ایجاد سری زمانی از تصاویر دو بعدی مادون قرمز الگوریتمی پیشنهاد می شود. نماهای لیاپانوف برای تصاویر فرکتالی بر اساس مدلهای ریاضی، تصاویر شبیه سازی شده و تصاویر واقعی تخمین زده می شوند. همانطور که انتظار می رود نتایج بدست آمده نشان می دهد که هر چه پیچیدگی مرزهای اشکال شبیه سازی شده بیشتر شود بزرگترین نماهای لیاپانوف مثبت آنها بزرگتر می گردد. برای نمونه بزرگترین نماهای لیاپانوف مثبت بدست آمده برای دو نمونه بدخیم m1 وm2 به ترتیب3497/0 و 3048/0 است . ناحیه پرحرارت m1 مرز پیچیده تری نسبت به m2 دارد و همچنین این مقادیر بدست آمده بزرگتر از بزرگترین نمای لیاپانوف مثبت مورد خوش خیمb1 یا 995 /0 است که نشان می دهد میزان آشوبگونه بودن لبه تومورهای خوش خیم کمتر از تومورهای بدخیم است.