دانلود مقاله ترجمه شده تشخیص توده های پستانی در ماموگرافی به کمک کامپیوتر با استفاده از بازیابی تصاویر مقیاس پذیر

چکیده

جهت پیش گیری از سرطان سینه، تشخیص کامپیوتری توده­ های پستانی در تصاویر ماموگرام دارای اهمیت زیادی می­ باشد. بسیاری از راه­ کارها با استفاده از تکنیک بازیابی تصویر مبتنی بر محتوا با این مسئله روبرو می­ شوند. با این وجود اکثر آنها در مرحله بازیابی، دارای مشکل پایین بودن مقیاس­ پذیری هستند و در نتیجه میزان دقت تشخیص آنها محدود است. برای غلبه بر این مشکل، روش مقیاس پذیری را برای بازیابی و تشخیص توده ­های پستانی در تصاویر ماموگراف مطرح کرده ­ایم. به خصوص برای ناحیه مورد نظر (ROI) در تصویر ماموگراف، ویژگی­ های SIFT (تبدیل ویژگی تغییر ناپذیر با مقیاس) استخراج شده و در درخت واژگان جستجو می­ شود. درخت واژگان، تمام ویژگی­ های کوانتیز شده از ROIهای ماموگرافی شناسایی شده پیشین را ذخیره می­ کند. علاوه بر این، جهت اعمال تمام و کمال قدرت افتراق ویژگی­ های SIFT، اطلاعات محتوایی در درخت واژگان برای تقویت وزن گره­ های درخت استفاده می­ شوند. سپس ROI های بازیابی شده برای تعیین اینکه آیا ROI مورد بررسی دارای توده پستانی می ­باشد یا خیر مورد استفاده قرار می­ گیرند. روش معرفی شده به خاطر داشتن درخت واژگان هزینه­ های فضایی-زمانی پایین، دارای مقیاس پذیری عالی می ­باشد. آزمایشات وسیعی روی مجموعه داده بزرگی صورت گرفته است، که این مجموعه داده حاوی 11553 ROI استخراج شده از پایگاه داده دیجیتالی برای انجام آزمایشات روی تصاویر ماموگراف می ­باشد. این آزمایشات میزان دقت و مقیاس پذیری راه کار ما را نشان می­ دهند.

1-مقدمه

سال­هاست که سرطان سینه دومین عامل مرگ­ های سرطانی در بین زنان است. با این اوصاف تشخیص سریع این سرطان می­تواند شانس بهبود را به طور چشم­گیری افزایش دهد. در صورت تشخیص توده در مرحله موضعی طی پنج سال، نرخ نجات از مرگ بیماران مبتلا به سرطان سینه از 24% به 99% افزایش یافت [2]. در حال حاضر ماموگرافی در بین تمام تکنیک های تصویر برداری برای آزمایشات مربوط به سینه، موثرترین و تنها روش کاملا قابل قبول برای تصویر برداری می­ باشد و از سوی انجمن سرطان آمریکا (ACS) به عنوان یک استاندارد طلایی جهت شناسایی سرطان شناخته شده است...