یک روش ترکیبی هوشمند برای تشخیص، مرزبندی و طبقه‌بندی توده‎های‏ پستان مبتنی بر ویژگی‌های بافت جدید مستخرج از دو نمای تصاویر ماموگرافی

سرطان پستان از مهم‌ترین سرطان‌ها در میان زنان به شمار می‌رود. معمولا غربالگری مورد استفاده در سرطان پستان، ماموگرافی است که درصد مرگ ناشی از آن را تا حدود زیادی کاهش داده است. هدف این مقاله، معرفی یک روش ترکیبی هوشمند جدید برای طبقه‌بندی بافت پستان به دو نوع سالم و ناسالم با بررسی هم‌زمان دو نمای استاندارد تصاویر ماموگرافی و مرزبندی بافت ناسالم است. بدین منظور، از روش ترکیبی جدیدی شامل الگوریتم‌های خوشه‌بندی و رشد ‌ناحیه در شناسایی ناحیه مشکوک به حضور تومور استفاده می‏شود. پس از حذف پس‎زمینه، با ترکیب الگوریتم‌‌های خوشه‌بندی fcm و رشد ناحیه، ناحیه مشکوک به حضور تومور شناسایی و به کمک پردازش‌های مورفولوژیکی، مرزبندی تومور انجام می‏شود. سپس با استفاده هم‌زمان از دو نمای استاندارد تصویر ماموگرافی (mlo و cc) یک پستان، استخراج ویژگی‌های بافت بر اساس ماتریس رخداد توام و ‌ویژگی‌های c و سطح شدت روشن‌ترین مرکز خوشه، طبقه‌بندی بافت پستان به دو نوع سالم و ناسالم صورت می‏گیرد. همچنین، برای اولین بار ویژگی سطح شدت روشن‌ترین مرکز خوشه معرفی و استفاده شده است. در نهایت، ویژگی‎های استخراج شده به عنوان ورودی‎های یک سیستم فازی برای طبقه‎بندی بافت پستان در نظر گرفته می‏شود. نتایج این پژوهش روی 300 جفت تصویر ماموگرافی نشان می‏دهد که روش ارائه شده، دارای صحت 97/7 درصدی برای طبقه‌بندی بافت پستان است. هم‌چنین نشان داده می‏شود که استفاده هم‌زمان از ویژگی‌های دو نمای استاندارد تصاویر ماموگرافی می‏تواند در تشخیص زودرس سرطان پستان مفید واقع شود.