تشخيص خودكار سرطان پستان با استفاده از تركيب تبديل كسينوسي گسسته و ماشين بردار پشتيبان از روي تصاوير ديجيتال ماموگرام

يكي از شايع ترين بيماري هاي موجود در بين زنان، سرطان پستان است كه به عنوان دومين عامل مرگ و مير زنان در جهان شناخته شده است. درنتيجه مهمترين مسئله در درمان اين نوع از سرطان تشخيص زودهنگام آن است. در اين مقاله روش تمام خودكار به منظور شناسائي تصاوير سرطاني ماموگرام با هدف كمك به متخصصين در روند تشخيص زودهنگام اين نوع از سرطان ارائه شده است. الگوريتم ارائه شده شامل 4 مرحله ي پيش پردازش، استخراج ويژگي، كاهش ابعاد و طبقه بندي است. در مرحله ي پيش پردازش هدف اصلي اين است كه با اعمال فيلتر ميانگين گير نواحي اضافي نظير شماره و متن هاي موجود در تصاوير ماموگرام و همچنين نواحي مربوط به ماهيچه سينه اي حذف شود. در مرحله ي استخراج ويژگي از تبديل كسينوسي گسسته بر روي تصاوير ديجيتال ماموگرام استفاده شده است. از الگوريتم LSDA به منظور كاهش ابعاد و حذف ويژگي هاي اضافي و نامطلوب تبديل كسينوسي گسسته استفاده شده است. سرانجام به منظور طبقه بندي تصاوير، ماشين بردار پشتيبان به كار گرفته شده است. در اين مقاله تصاوير از پايگاه داده ي DDSM كه شامل 300 تصوير سالم، 350 تصوير خوش خيم و 300 تصوير سرطاني است، استفاده شده است. دقت الگوريتم پيشنهادي در طبقه بندي داده ها با استفاده از شبكه هاي عصبي SVM از نوع RBF برابر 100 است.