روشی جدید برای ناحیه بندی تصاویر ماموگرافی دیجیتال و طبقه‏ بندی تومورهای خوش خیم و بدخیم در سینه

ماموگرافی رایج ترین و موثرترین روش غربالگری برای تشخیص سرطان پستان است. در این تحقیق، یک سیستم کمکی برای طبقه بندی  تومورهای خوش خیم و بدخیم در تصاویر ماموگرافی دیجیتال ارایه شده است. در این روش ابتدا فیلتر میانه برای حذف نویز استفاده شده و سپس مصنوعات و ماهیچه ی پکتورال در صورت وجود حذف می شوند. برای ناحیه بندی ماموگرام و استخراج ناحیه های موردنظر ابتدا یک الگوریتم جدید برای افزایش تباین نواحی مشکوک ارایه شده است که از تفاضل بهبود یافته تصویر اصلی و مکمل آن بهره می برد، سپس الگوریتم خوشه بندی C میانگین فازی بر مبنای هیستوگرام به تصویر اعمال شده و ناحیه های موردنظر با دقتی مناسب استخراج می شوند. در مرحله ی بعد ویژگی های بافت و هندسی استخراج می شوند و در نهایت طبقه بندهای ماشین بردار پشتیبان خطی و درخت تصمیم برای دسته بندی ناحیه های موردنظر به دو کلاس خوش خیم و بدخیم، استفاده می شوند. سیستم پیشنهادی بر روی تصاویر پایگاه های داده ی MIAS و DDSM آزمایش شده است. نتایج به دست آمده نشان گر این است که دقت سیستم پیشنهادی در مقایسه با تحقیقات پیشین امیدوار کننده است.