بهبود کیفیت تصاویر ماموگرافی با استفاده از تکنیک‌های پردازش تصویر

سامانه‌های پردازشی و ارتباطی چندرسانه‌ای هوشمند

دوره 3، شماره 1 - شماره پیاپی 7، فروردین 1401، صفحه 57-69   

نوع مقاله: مقاله پژوهشی

نویسندگان

مهدی حریری^{* 1}؛ حسن نجفی²

¹استادیار دانشگاه زنجان، گروه مهندسی برق و کامپیوتر

²دانشجو کارشناسی ارشد، رشته برق، گرایش الکترونیک دیجیتال، دانشگاه آزاد اسلامی واحد زنجان، ایران

چکیده

با توجه به گسترش ابتلا به سرطان سینه، تشخیص زود هنگام آن از روی تصاویر ماموگرام با استفاده از روشهای کامپیوتری، بعنوان روشی موثر در جهت کاهش میزان مرگ و میر بیماران مورد توجه قرار گرفته است. از این رو در این پژوهش روشی مبتنی بر تکنیکهای پردازش تصویر جهت بهبود کیفیت تصاویر ماموگرافی ارائه شده است. از این رو در این پژوهش در جهت ایجاد یک سیستم پزشکیار، سعی در بهبود کیفیت تصاویر ماموگرافی با تکنیک های پردازش تصویر داریم. این پژوهش دارای دو مرحله پیش پردازش شامل یکسان سازی ابعاد و تعدیل هیستوگرام تصاویر و مرحله‌ی استخراج ویژگی با استفاده از تبدیل‌های کانتورلت و کرولت از تصاویر ماموگرافی است که سه دسته ویژگی ریخت‌شناسی و بافت شناسی، آماری و فرکانسی را جهت بهبود تشخیص ارائه می‌نماید و سبب افزایش صحت تشخیص می‌شود. روش بهبود پیشنهادی روی مجموعه داده MIAS اجرا شد و زیر مجموعه ای از‌ ویژگی‌های استخراج شده برای ورودی طبقه‌بند انتخاب گردید. بامقایسه عملکرد روش پیشنهادی روی طبقه‌بندهای مختلف، این روش میزان صحت 86.3 را نشان می‌دهد که نسبت به بقیه روشها نتیجه بهتری می‌باشد.

کلیدواژه‌ها

بهبود کیفیت تصویر ماموگرافی؛ استخراج ویژگی؛ تبدیل کانتورلت؛ تبدیل کرولت

مراجع

Wang, G. and Liao, T.W.(2002). Automatic Identification of Different Types of Welding Defects in Radiographic Images. NDT & E International,35:519-528.

[10] Shafeek, H.I., Gadelmawla, E.S., Abdel-Shafy, A.A. and Elewa, I.M. (2004). Assessment of Welding Defects in Pipeline Radiographs Using Computer Vision. NDT & EInternational,37:291-299.

[11] Gonzalez, R.C. and Wintz, P.(1987). Digital Image Processing. Addison-Wesley, 2nd Edition.

[12] Castleman, K.R.(1979). Digital Image Processing. Englewood Cliffs N.J., Prentice Hall, 90-94.

[13] Addison, Paul S. "Introduction to redundancy rules: the continuous wavelet transform comes of age." (2018): 20170258.

[14] Candes, E. J., and Donoho, D. L, “Continuous curvelet transform”, II. Discretization and frames: Applied and Computational Harmonic Analysis, 19, 198-222, 2003.