تشخیص سرطان پستان با استفاده از ترکیب روش های یادگیری ماشین و بینایی ماشین در تصاویر ترموگرافی

EasyChair Preprint 5331

Abstract

سرطان پستان در سالهای اخیر در بین زنان افزایش یافته و یكی از شایع ترین علل مرگ و میر در زنان می­باشد. مطالعات نشان می­دهد که ترموگرافی، نسبت به سایر روش های تشخیصی، روشی سریع تر، ارزان تر، غیرفعال، بدون ریسک، بدون اشعه و درد است. روش های جدید در پردازش تصویر و بینایی، یادگیری ماشین سبب شده تا مطالعات موفقیت­ آمیزی به منظور ایجاد سیستم­های تشخیصی سرطان پستان با بکارگیری تصاویر ترموگرافی انجام شود. در این مطالعه یک روش مناسب برای تشخیص آبنورمالی تصاویر ترموگرافی از نمای روبه رو ارائه شده است که با بکارگیری این روش تفکیک ناحیه سینه و همه نواحی مدنظر پزشک که برای تشخیص سرطان پستان ضروری می­باشند از ترموگرام ها جداسازی رنگی می­شوند و نواحی پرحرارت ، با استفاده از الگوریتم FCM از تصاویر استخراج شده و به کمک آنالیز فراکتالی، بعد فراکتال این نواحی با استفاده از سه روش متفاوت محاسبه می­شوند. در این مطالعه از آنالیز فراکتالی برای تحلیل توزیع حرارت متقارن در دو بافت سینه استفاده شده است. نتایج نشان می­دهد که آنالیز فراکتالی به طور بالقوه می­تواند قابلیت اطمینان ترموگرافی در تشخیص تومور را بهبود بخشد. همچنین آنالیز فراکتالی نقش مهمی در ردیابی توزیع حرارت متقارن، در دو بافت پستان جهت ردیابی ناهنجاری­ها را دارد.

Keyphrases: Fuzzy C-Means, fractal dimension, segregation area, symmetrical temperature distribution analysis

@booklet{EasyChair:5331,
  author    = {Behzad Lak and Parastoo Najafi},
  title     = {Diagnosis of Breast Cancer by Integrating Machine Learning and Machine Vision Techniques in Thermography Images},
  howpublished = {EasyChair Preprint 5331},
  year      = {EasyChair, 2021}}