فرزانه مراد خانی
بهرام صادقی بی غم
کوروش کمالی

هر روز حجم وسیعی از اطلاعات مربوط به تصاویر پزشکی و مراکز تصویربرداری پزشکی تولید می‌شود لذا به نظر می‌رسد که اطلاعات جمع آوری شده تصاویر با استفاده از منابع در دسترس ذخیره، پردازش و تحلیل شود. هدف اصلی یزدی مقاله استخراج ویژگی‌ها از بافت تصاویر ماموگرافی سین است به‌طوری‌که بافت‌های سرطانی طبقه‌بندی شده و به سه کلاس طبیعی یا نرمال، خوش خیم و بد خیم طبقه‌بندی شود. نفت تعداد ویژگی‌های استخراج شده توسط یک روش ترکیبی ارائه شده کاهش می‌یابد. این عمل دقت پیش‌بینی را بهبود بخشیده و زمان محاسبه را حداقل می‌کند. به‌طور تقریبی این روش 75% از خصایص را کاهش داد و همچنین از یک درخت تصمیم برای طبقه‌بندی ویژگی‌ها استفاده می‌کند. آزمایشات برای یک مجموعه داد 300 تایی تصویر که از MIAS گرفته شده با هدف بهبود دقت صورت گرفته است و دقت حاصل از این روش تقریباً 97%ی باشد .

تصویر کاوی ، استخراج ویژگی، تصاویر ماموگرافی Gray-level co-occurrence ، درخت تصمیم