ارائه یک روش ترکیبی برای تشخیص توده در تصاویر ماموگرافی مبتنی بر تبدیل موجک

سرطان سینه، یک عامل موثر در مرگ و میر خانمها در سراسر جهان می باشد. از آنجاییکه رادیولوژیستها تنها در 75% موارد سرطان سینه را تشخیص می دهند، استفاده از روش های کمک تشخیصی کامپیوتری ضروری می باشد.

در این مطالعه روشی نوین با ترکیب روش های مبتنی بر پیکسل و مبتنی بر ناحیه به منظور افزایش دقت در تعیین نواحی مشکوک و کاهش خطای مثبت کاذب ارائه شده است. در ابتدا با به کارگیری روش ترکیبی جدید پس زمینه و عضله سینه از روی تصاویر ماموگرافی به صورت خودکار حذف می شوند و با استفاده از روش چگالی وزن دار وفقی، کنتراست تصاویر بهبود می یابد. آنگاه در مرحله اول با اعمال یک الگوریتم جدید مبتنی بر روش های مورفولوژی و آستانه گذاری تطبیق پذیر، نواحی مشکوک به توده استخراج می شوند. در مرحله دوم برای کاهش خطای مثبت کاذب، با اعمال تبدیل موجک در نواحی مشکوک، ویژگی های مناسب استخراج گردیده و جهت طبقه بندی به ماشین بردار پشتیبان منتقل می شوند.

برای ارزیابی این روش بانک داده های MIAS] مورد استفاده قرار گرفت و حساسیت 81% و اختصاصیت 84% حاصل گردید و در نهایت با مقایسه منحنی ROC مربوط به روش پیشنهادی و الگوریتم ماسوتی و نظر یک متخصص، افزایش حساسیت و اختصایت مشاهده شد.

در این مطالعه ترکیبی از روش های مبتنی بر پیکسل و مبتنی بر ناحیه به منظور افزایش اختصاصیت پیشنهاد شده است که امکان تشخیص انواع مختلف توده حتی در تصاویر ماموگرافی با کنتراست پایین را فراهم می سازد. با افزودن مرحله تکمیلی و استفاده از ویژگی های موثر در الگوریتم، در اختصاصیت افزایش 30% حاصل گردید.