ارائه روشی برای تشخیص خودکار سرطان سینه با استفاده از ترکیب ویژگی های رنگ و بافت و دسته بندی شبکه عصبی

چکیده مقاله

امروزه رایج ترین روش برای تشخیص سرطان سینه، تصویربرداری X Ray است علت آن نیز به صرفه بودن اقتصادی و قابل حمل بودن این تکنولوژی میباشد وقتی که تشخیص سرطان سینه به صورت دستی انجام میشود، متخصصین تعیین کننده نتیجه هستند در حالیکه، بکارگیری تکنیکهای پردازش تصویر، باعث بهبود کیفیت تصاویر و افزایش دقت رادیولوژیست میشود تشخیص سرطان سینه یکی از مهمترین رویکردهای تسهیل کننده ارتباط میان انسان و ماشین و حیطه های فعال در حوزه علم پردازش تصویر است در این مقاله روشی جدید برای شناسایی سرطان سینه بر پایه انتخاب ویژگی رنگ و بافت با استفاده از موجک گابور و دسته بندی با استفاده از شبکه عصبی ارائه گردید در این روش دو دسته ویژگی مبتنی بر رنگ و بافت از تصویر استخراج شده و در ادامه جهت انتخاب ویژگیهای مهم از KPCA استفاده میگردد در نهایت توسط شبکه عصبی و بر پایه ویژگیهای انتخاب شده توسط KPCA، تشخیص تومور انجام میشود نتایج بدست آمده حاکی از عملکرد مطلوب روش ارائه شده از نقطه نظر دقت و صحت میباشد نتایج صحت عملکرد روش پیشنهادی را در حد %94,67 و دقت را در حد %95,15 نمایش میدهد

کلیدواژه‌ها

نویسندگان

زهره بخشایش

دانشجو ارشد، مهندسی فناوری اطلاعات، موسسه آموزش عالی سینا ، کاشان،

علی نوروزی

استادیار، مهندسی فناوری اطلاعات، موسسه آموزش عالی سینا، کاشان،

فائزه اکبری

مربی، مهندسی فناوری اطلاعات، موسسه آموزش عالی سینا، کاشان،

�خشایش، زهره و نوروزی، علی و اکبری، فائزه،1399،ارائه روشی برای تشخیص خودکار سرطان سینه با استفاده از ترکیب ویژگی های رنگ و بافت و دسته بندی شبکه عصبی،هفتمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندس�

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی6 آبان 1399