عملکرد LBP روی ضرایبCurvelet به عنوان یک الگوریتم برای تشریح بافت های سرطان سینه

در تشخیص های کامپیوتری یکی از گامهای مهم برای طبقه بندی جراحات مشکوک به سرطان استخراج برخی از ویژگیهای جراحت می باشد. در بسیاری از تحقیقات روش آنالیز بافت استفاده شده است. دراین مقاله روشی را براساس ترکیب تبدیل مقیاس، الگوی انتخاب مشخصه های دودویی محلی با استفاده از آنالیزهای آماری و روشهای طبقه بندی مجزا نشان می دهیم. ویژگیهای مشابه با استفاده از آنالیزهای آماری واریانس حذف شده است. تشخیص خصوصیات با استفاده از کاربرد درخت تصمیم گیری ، جنگل تصادفی ،ماشین پشتیبان، طبقه بندیهای چند ضلعی و در نظر گرفتن دقت معیاری (AC) و ناحیه تحت منحنی ROC ارزیابی شده است. روشها روی تصاویر بافت سینه با خصوصیات فیزیکی مختلف بررسی شده است. مشارکت تبدیل مقیاس،الگوی باینری دودویی و آنالیزهای آماری واریانس با طبقه بندی PL مقادیر بالای AC و AUC را برای همه موارد بدست آورده اند. نرخ های بدست امده بین 91 تا 100 درصد بودند.

کلیدواژه ها:

بافت سرطان سینه ، آنالیز بافت ، الگوی دودویی محلی ، تشخیص کامپیوتری ، طبقه بندی های چند ضلعی