شناسايي هوشمند توده ها براي تشخيص سرطان پستان در تصاوير ماموگرافي

Mass smart detection for breast cancer diagnosis in mammographic images

سرطان پستان يكي از شايع ترين نوع سرطان در بين بانوان است. ماموگرافي استانداردترين روش براي تشخيص سرطان پستان است،كه مي توان توسط سيستم هاي كامپيوتري خطاي انساني رو به حداقل رساند. روش كار: در اين مقاله با استفاده از پردازش تصوير، توده مشخص شده و در عكس تشخيص داده مي‌شود سپس در اطراف آن توسط سيستم هوشمند خط كشيده مي شود. پس از انجام حذف تويز تصاوير، با استفاده از سيستم استنتاج فازي، بهبود لبه فازي انجام شده و با استفاده از فيلتر مختصات منطقي، مناطق توده مشخص شده و در تصوير نشان داده مي شود. يافته‌ها: سيستم‌ هوشمند پيشنهادي به دليل عدم وجود خطاي انساني، داراي ضريب معني داري p <0.001 براي تشخيص صحيح در مقايسه با روش تشخيص انساني مي‌باشد. نتيجه گيري: نتايج آزمايشات بر روي 322 تصوير ماموگراف ي پايگاه داده MIAS تست شده است از اين ميان، 120 مورد بيمار داراي تومور خوش خيم و بدخيم مي باشند و 202 مورد سالم هستند. سيستم هوشمند قادر به تشخيص 115 مورد بيمار به صورت صحيح ( مثبت حقيقي) و 190 مورد فرد سالم به صورت صحيح ( منفي حقيقي) شده است. در اين ميان 12 مورد به اشتباه بيمار تشخيص ( مثبت كاذب) و همچنين 5 بيمار به اشتباه سالم تشخيص (منفي كاذب) داده شده اند. بنابراين دقت سيستم هوشمند براي پايگاه داده مذكور،% 95 درصد مي باشد و همچنين حساسيت و ويژگي به ترتيب 96% و 94% مي باشند.

Background: Breast cancer is one of the most common types of cancer among women. Mammography is the most standard method for diagnosing breast cancer, which can be minimize the human error using computer systems of human error. Methods: In this paper, using the image processing techniques, the mass was detected and identified in the photograph and then intelligent system outlined its margin After removing the image noise, using the fuzzy inference system, the fuzzy edge improvement has been applied and then using the coordinate logic filter, the mass areas have been detected and shown in the image. Results: The proposed smart system have p <0.001 for the correct diagnosis compared to the human diagnostic methods. Conclusion: The smart system results have been tested on 322 MIAS database images. In this database, 120 cases have benign and malignant tumors and 202 are healthy. The smart system was able to detect 115 cancer cases (true positive) and 190 healthy people (true negative) correctly. The number of false positive and false negative are 12 and 5, respectively. Therefore, the accuracy of the smart system for the database is 95%, and the sensitivity and specificity are 96% and 94%, respectively.