تشخیص خودکار خوشه های میکروکلسیفیکاسیون به کمک تبدیل موجک و شبکه های عصبی

نویسندگان

حمید ابریشمی مقدم

علیرضا شیخ حسنی

عباس مصطفی

معصومه گیتی

پرویز عبدالمالکی

چکیده

در این مقاله، یک سیستم cad به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون استخراج می گردد. سپس با استفاده از یک شبکه عصبی، دسته بندی اولیه پیکسل ها انجام می شود. در مرحله دوم الگوریتم، پس از حذف پیکسل های نویزی حاصل از مرحله اول، اجسام باقیمانده از نظر مطابقت با یک دانه میکروکلسیفیکاسیون مورد بررسی قرار می گیرد. به این منظور، از 18 ویژگی تعریف شده برای هر دانه میکروکلسیفیکاسیون، و یک دسته بندی کننده غیرخطی استفاده شده و دانه های میکروکلسیفیکاسیون با دقت خوبی شناسایی می شود. برای آموزش این دسته بندی کننده، از 16 ناحیه حاوی میکروکلسیفیکاسیون های بدست آمده از تصاویر پایگاه داده ای که مجموعا شامل 379 میکروکلسیفیکاسیون بودند استفاده شده است. در مرحله سوم، با استفاده از 5 ویژگی مربوط به خوشه های میکروکلسیفیکاسیون و یک شبکه عصبی، در مورد بدخیمی خوشه های میکروکلسیفیکاسیون قضاوت به عمل می آید. برای آموزش این شبکه عصبی از 22 خوشه که از 14 خوشه خوش خیم و 8 خوشه بدخیم تشکیل شده بودند استفاده شد. برای سنجش کارآیی سیستم نیز 22 خوشه دیگر که در مرحله آموزش از آنها استفاده نشده بود و شامل 10 خوشه خوش خیم و 12 خوشه بد خیم بودند، به سیستم اعمال شد. با اعمال تصاویر فوق، این سیستم در مقدار آستانه 0.45 مقدار حساسیت 100% و مقدار خصوصیت 91.6% از خود نشان داد. با توجه به این مقادیر می توان قابلیت مناسب الگوریتم ایجاد شده را تایید نمود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارزیابی روش تصویربرداری حرارتی در جهت تشخیص و گریدینگ واریکوسل به کمک ویژگی های تبدیل موجک

زمینه و هدف: واریکوسل اتساع و پیچ­خوردگی غیرطبیعی شبکه وریدی (سیاهرگی) بالای بیضه‌ها است. الگو توزیع حرارتی غیرطبیعی را می­توان در کیسه بیضه توسط تصویربرداری حرارتی تشخیص داد. تصویربرداری حرارتی روشی از راه دور، بدون تماس و غیرتهاجمی است. روش­ بررسی: مطالعه حاضر از نوع توصیفی تحلیلی است. با استفاده از دوربین مادون قرمز غیرتماسیSDS Hotfind L و عکسبرداری از...

متن کامل

بررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز

جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیش‌بینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌کارگیری شبکه‌‌عصبی و تکنیک تبدیل موجک به پیش‌بینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌کا...

متن کامل

تولید خودکار دادگان آزمون به کمک شبکه عصبی

چکیده یکی از مراحل مهم آزمون نرم‌افزار شئ‌گرا، آزمون مستقل اشیا است.آزمون مستقل اشیا با دو مشکل روبه‌رو است: اولاً شئ مورد فراخوانی ممکن استروش‌هایی از اشیا دیگر را فراخوانی کندودر نتیجهبررسیمستقلآن ممکن نباشد. ثانیاً روش‌های فراخوانی شده ممکن است زمان‌بر باشند و باعث شوندآزمون شئ مورد نظر طولانی شود. یک راه‌حل برای رفع دو مشکل فوق، استفاده از اشیا جاعل است. اشیا جاعل روش-های مورد فراخوانی را شب...

متن کامل

تصحیح خودکار غلط های تایپی فارسی به کمک شبکه عصبی مصنوعی ترکیبی

Automatic correction of typos in the typed texts is one of the goals of research in artificial intelligence, data mining and natural language processing. Most of the existing methods are based on searching in dictionaries and determining the similarity of the dictionary entries and the given word. This paper presents the design, implementation, and evaluation of a Farsi typo correction system u...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
فصل نامه علمی پژوهشی مهندسی پزشکی زیستی

ناشر: انجمن مهندسی پزشکی ایران

ISSN 8006-9685

دوره -1

شماره 2 2005

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023