تشخیص سرطان دهان با استفاده از پردازش تصاویر هیستوپاتولوژیکال: استخراج ویژگی های دوگانه و تطابق SIFT براساس فازی

سرطان دهان از جمله سرطان های رایج در دنیاست. تصاویر هیستوپاتولوژی در تشخیص افتراقی نرمال، مرحله قبل از سرطان دهان و مرحله زخم های سرطانی استفاده می شود. روش مطرح شده، درجه بندی بافت هیستوپاتولوژیکال در مراحل نرمال، مرحله قبل از سرطان دهان بدون بی قوارگی (OSFWD) و مرحله قبل از سرطان دهان با بی قوارگی (OSFD) می باشد که به سرعت به پاتولوژیست دندان این موضوع را نشان می دهد. ما تغییرات بافتی را با استفاده ازبالاترین طبقه طیف ها (HOS)، الگوی دودویی محلی (LBP) و قانون ترکیب انرژی (LTE) از تصاویر هیستوپاتولوژیکال )در مراحل نرمال، SFWD و (OSFD استخراج می کنیم. مقادیر این ویژگی ها در پنج دسته قرار می گیرند. و بهترین دسته بندی انتخاب می شود. و یک ناحیه را براساس تبدیل ویژگی یکسان مقیاس (SIFT) و منطق فازی برای محاسبه نواحی براساس همسانی تصویر بدست می آید. وقتی که الگوریتم SIFT برای منطبق کردن تصاویر استفاده شود، یک تطبیق پرمعنا مطابق با ادراک انسانی بدست نمی آید. از اینرو، خروجی ها تصحیح می شوند و یک ناحیه براساس رویکرد پیشنهاد شده بدست می آید. اندازه گیری همانندی SIFT همراه با اطلاعات نواحی به عنوان ورودی منطق فازی تعیین کننده ناحیه براساس اندازه همانندی است.

کلیدواژه ها:

هیستوپاتولوژی ، الگوی دودویی محلی ، بالاترین طبقه طیف ، فازی ، SIFT