استفاده از روش های آماری و آنالیز موجک جهت تشخیص تومورهای سرطانی در تصاویر ماموگرافی

امروزه تشخیص و درمان زودهنگام سرطان سینه یکی از دغدغه های اساسی پزشکان و رادیولوژیست ها می باشد. تشخیص سرطان سینه در مراحل ابتدایی بیماری باعث افزایش امید به زندگی شده و بیمار را برای مراجعه بعدی درمان آماده می کند. 95% کسانی که سرطان آن ها در مراحل ابتدایی (یعنی زمانی که سرطان فقط در بافت سینه و یا بافت های زیرین آن قرار داشته باشد) تشخیص داده شده است، بیش از 5 سال از زمان تشخیص زنده مانده اند. در حال حاضر ماموگرافی تنها روش تصویربرداریِ مورد استفاده و موثر برای تشخیص سرطان سینه می باشد. micro-calcification ها یا به طور مخفف، mcها، رسوب های کوچک کلسیم هستند که به صورت نقاط روشن کوچکی در تصاویر ماموگرافی دیده می شوند و نشانه ای از بیماری سرطان سینه می باشند. در این تحقیق هدف طراحی، شبیه سازی، بررسی و مقایسه سیستم های cad می باشد که قادر به تشخیص mc ها در تصاویر ماموگرافی با دقت بالایی باشند. هدف یک سیستم cad تشخیص و پیدا کردن ناهنجاری ها و ناحیه های مشکوک در ماموگرام های دیجیتال با استفاده از کامپیوتر و کمک به رادیولوژیست هاست. هدف از این تحقیق، بررسی چند سیستم cad و معرفی روش های تشخیص mc است که در این سیستم ها پیشنهاد، پیاده سازی ودر نهایت تحلیل و مقایسه شده است. تفاوت اصلی سیستم-های cad طراحی شده و شبیه سازی شده در این تحقیق در مرحله استخراج ویژگی از تصاویر ماموگرافی و همچنین کلاسه بند استفاده شده جهت تشخیص mc ها می باشد. استفاده از ویژگی های آماری و فرکانسی به جای ویژگی های روشنایی تصویر و مقایسه نتایج آن ها با استفاده از کلاسه بند های svm و nn عمده کار انجام شده در این تحقیق می-باشد. در نهایت با آزمایشات انجام شده نتیجه شده است که سیستمِ cad با استفاده از ویژگی های آماری و فرکانسی و svm بهترین نتیجه ی خروجی را در تشخیص مناطق mc، در تصاویر ماموگرافی دارد. در این رابطه همچنین راهکارهایی جهت بهبود کیفیت تصویر ماموگرافی و بهبود تشخیص mcها داده شده و در آخر روشی برای جداسازی هر mc از بافت های مجاور ارائه گردیده است.