الگوریتم جدید بهبود تصاویر پزشکی برای تشخیص سرطان پستان در تصاویر ماموگرافی با استفاده از یادگیری ماشین

در این تحقیق، از ماموگرافی به عنوان روش اصلی غربالگری سرطان پستان استفاده شده است. با هدف بهبود کیفیت تصاویر ماموگرافی و تشخیص نواحی مشکوک، از سیستم های تشخیص به کمک کامپیوتر (CAD) استفاده شده است. نتایج اصلی نشان داده اند که ترکیب بهینه ی الگوریتم های پیش پردازش تصویر، تاثیر چشم گیری بر دقت روش های تقسیم بندی و طبقه بندی دارد. تاثیر ترکیب روش های مختلف پیش پردازش در تفکیک بین ضایعات خوش خیم و بدخیم پستان نیز مورد بررسی قرار گرفته است. از الگوریتم های پردازش تصویر مختلف برای تشخیص ضایعات در پایگاه داده mini-MIAS استفاده شده و با استفاده از خوشه بندی کی-میانگین، مناطق مشکوک مشخص شده و ویژگی ها از آنها استخراج شده اند. سپس از الگوریتم های یادگیری ماشین برای طبقه بندی به عنوان طبیعی/غیرطبیعی و خوش خیم/بدخیم استفاده شده و عملکرد آزمون روش های طبقه بندی مورد ارزیابی قرار گرفته است. نتایج نشان می دهد که الگوریتم های مختلف پیش پردازش در بهبود تشخیص ضایعات پستان و تمایز بین خوش خیم و بدخیم موثر هستند، و ماشین های بردار پشتیبان، جنگل تصادفی و شبکه های عصبی عملکرد بهتری نسبت به سایر روش های طبقه بندی ارائه می دهند.

کلیدواژه ها:

تصاویر ماموگرافی ، عملکرد طبقه بندی ، روش های پیش پردازش ، یادگیری ماشین