شناسایی هوشمند توده ها برای تشخیص سرطان پستان در تصاویر ماموگرافی

زمینه: سرطان پستان یکی از شایع ترین نوع سرطان در بین بانوان است. ماموگرافی استانداردترین روش برای تشخیص سرطان پستان است،که می توان توسط سیستم های کامپیوتری خطای انسانی رو به حداقل رساند. روش کار: در این مقاله با استفاده از پردازش تصویر، توده مشخص شده و در عکس تشخیص داده می شود سپس در اطراف آن توسط سیستم هوشمند خط کشیده می شود. پس از انجام حذف تویز تصاویر، با استفاده از سیستم استنتاج فازی، بهبود لبه فازی انجام شده و با استفاده از فیلتر مختصات منطقی، مناطق توده مشخص شده و در تصویر نشان داده می شود. یافته ها: سیستم هوشمند پیشنهادی به دلیل عدم وجود خطای انسانی، دارای ضریب معنی داری p <0.001 برای تشخیص صحیح در مقایسه با روش تشخیص انسانی می باشد. نتیجه گیری: نتایج آزمایشات بر روی 322 تصویر ماموگراف ی پایگاه داده mias تست شده است از این میان، 120 مورد بیمار دارای تومور خوش خیم و بدخیم می باشند و 202 مورد سالم هستند. سیستم هوشمند قادر به تشخیص 115 مورد بیمار به صورت صحیح ( مثبت حقیقی) و 190 مورد فرد سالم به صورت صحیح ( منفی حقیقی) شده است. در این میان 12 مورد به اشتباه بیمار تشخیص ( مثبت کاذب) و همچنین 5 بیمار به اشتباه سالم تشخیص (منفی کاذب) داده شده اند. بنابراین دقت سیستم هوشمند برای پایگاه داده مذکور،% 95 درصد می باشد و همچنین حساسیت و ویژگی به ترتیب 96% و 94% می باشند.

Mass smart detection for breast cancer diagnosis in mammographic images

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.