شناسایی سرطاى سینه براساس الگوی حرارتی در تصاویر فروسرخ

ترموگرافی به عنوان یک ابزار، بدون تابش، بدون درد، بدون درد، بدن تماس و همچنین با حساسیت بالا برای تصویربرداری سرطان پستان نسبت به سایر تصویر برداری های دیگر گزارش شده است. در اینجا ما از الگوریتم اتوماتای یادگیری و ترکیب آن با الگوریتم فازی fcm برای جداسازی تومورهای سرطان پستان بر اساس تصاویر حرارتی پرداختیم. نتایج به دست آمده روی 16 تصویر نشان داد که تصاویر حرارتی دارای نویز کم هستند و همچنین الگوریتم پیشنهادی به درستی قادر به شناسایی تومورهای سرطانی پستان بر اساس تصاویر حرارتی است. اما الگوریتم کلاسیک fcm خوشه بندی درستی روی تصاویر حرارتی سرطان پستان انجام نمی دهد. توسعه به استفاده نشدن از الگوریتم fcm برای جداسازی تومورهای سرطان پستان بر اساس تصاویر حرارتی می شود. اما با جداسازی رگ های خونی شبکیه چشم توسط تصویر برداری oct می بینیم این به منزله آن که، برای جداسازی تصاویر مختلف دیگر که با استفاده از تصویر برداری های مختلف انجام می شود نیست.

کلیدواژه ها:

خوشه بندی رنگی ، تصویربرداری حرارتی ، الگوریتم های یادگیری ، تشخیص سرطان پستان