تشخیص ضایعه های خوش خیم و بدخیم در تصاویر ماموگرافی و طبقه بندی آن ها بر اساس کرنل های ماشین بردار پشتیبان

سرطان پستان یکی از شایع ترین سرطان ها در میان زنان بوده و دومین علت مرگ در میان آن-ها است. با این حال اگر این بیماری به موقع تشخیص داده شود، در درمان آن تاثیر بسزایی دارد. برای تشخیص این بیماری روش هایی وجود دارد که متداول ترین روش بررسی این بیماری، استفاده از تصاویر ماموگرافی است. به دلیل این که ضایعه های سرطان پستان در مراحل اولیه قابل دیدن نیستند و به صورت ناگهانی ظاهر می شود، سیستم های تشخیص به کمک کامپیوتر می توانند رادیولوژیست ها را در شناسایی و کشف این ضایعه ها یاری نمایند. شناسایی بهترین ویژگی ها برای بهبود قدرت تشخیص توسط سیستم های تشخیص به کمک کامپیوتر از اهداف این پژوهش است. برای انجام این پژوهش سه مرحله در نظر گرفته شده است. مرحله اول که پیش پردازش نام دارد ضایعه های خوش خیم و بدخیم از تصاویر ماموگرام استخراج می شود. مرحله دوم که تحلیل نام دارد، شامل استخراج و انتخاب ویژگی است. ویژگی های ناحیه-های مورد نظر بر اساس ماتریس هم اتفاقی، تبدیل موجک و تبدیل کانتورلت استخراج می شوند. سپس از الگوریتم relieff برای انتخاب و کاهش تعداد ویژگی ها بهره برده ایم به قسمی که ویژگی های نامربوط را حذف کرده و مجموعه بهینه از ویژگی ها که مفیدترین اطلاعات از میان ویژگی ها هستند را به دست آورده تا در مرحله سوم که شناخت نام دارد، استفاده شوند. از آن جایی که انتخاب ویژگی تعداد ویژگی ها را کاهش داده و ویژگی های با بیشترین بهره اطلاعاتی را انتخاب می کند، بنابراین کارایی مرحله شناخت بهبود می یابد. مجموعه بهینه ویژگی ها ورودی-های مرحله شناخت می باشند. در این پژوهش برای مرحله شناخت از دسته بند ماشین بردار پشتیبان برای تشخیص نواحی سرطانی و تعیین ماهیت آن ها استفاده شده است. نتایج و بررسی-ها نشان می دهد که استفاده از الگوریتم relieff برای انتخاب ویژگی ها و استفاده از دسته بند ذکرشده تاثیر بسزایی در تشخیص و کشف ضایعه های سرطان پستان دارد.