تشخیص خودکار هایپرپلازی داکتال نرمال با استفاده از تصاویر هیستوپاتولوژی

بیماری هایپرپلازی داکتال نرمال مرحله ای پیش سرطانی است که در صورت تشخیص به موقع آن می توان از ابتلای بیمار به سرطان سینه پیشگیری کرد. در این بیماری ویژگی های سلول تغییر کرده و سیکل تولد و مرگ سلول دچار اختلال می شود. یکی از راه های تشخیص این بیماری نمونه برداری بافت با استفاده از سوزن ضخیم و بررسی آن زیرمیکروسکوپ با بزرگنمایی های مختلف است. پزشک در هر بزرگنمایی به بررسی چند ویژگی پرداخته و در نهایت به تشخیص بیماری می پردازد. از آنجایی که تشخیص این بیماری تا حدی وابسته به نظر پزشک است، ایجاد سیستمی خودکار برای تشخیص آن می تواند به پزشک در تصمیم گیری کمک کند. در این پایان نامه هدف ایجاد چنین سیستمی با استفاده از دو تصویر با بزرگنمایی های 40x و 100x است که از هر کدام ویژگی های مورد نظر پزشک استخراج می شود. از تصویر 40x اندازه داکت، فضای بین هسته ای و چگالی سلول ها استخراج می شود. در تصویر 100x روشی مبتنی بر کانتورهای فعال برای تقطیع هسته ها پیشنهاد شده است که دقت تقطیع را افزایش دهد تا بتوان به ویژگی های دقیق تری دست یافت. در ارزیابی انجام شده این روش تقطیع حدود 0.8951دقت دارد. سپس اندازه و حجم هسته و نیز میزان دایروی بودن آن به عنوان ویژگی استخراج می شود. در انتها بردار ویژگی استخراج شده توسط طبقه بند svm طبقه بندی شده است که میانگین دقت آن 85.55% است.