دوره 7، شماره 2 - ( 6-1399 )
جلد 7 شماره 2 صفحات 101-91 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghayoumi Zadeh H, Fayazi A, Binazir B, Yargholi M. Extraction of Suitable Features for Breast Cancer Detection Using Dynamic Analysis of Thermographic Images. jhbmi 2020; 7 (2) :91-101
URL: http://jhbmi.ir/article-1-381-fa.html
URL: http://jhbmi.ir/article-1-381-fa.html
قیومی زاده حسین، فیاضی علی، بی نظیر بیتا، یارقلی مصطفی. استخراج ویژگی‌های مناسب جهت تشخیص بیماری سرطان پستان با استفاده از تحلیل دینامیک تصاویر ترموگرافی. مجله انفورماتیک سلامت و زیست پزشکی. 1399; 7 (2) :91-101
دکتری تخصصی کنترل، استادیار، گروه مهندسی برق، دانشگاه ولی‌عصر (عج) رفسنجان، رفسنجان، ایران
چکیده: (3230 مشاهده)
مقدمه: ترموگرافی یک روش تصویربرداری غیرتهاجمی است که میتواند جهت تشخیص سرطان پستان مورد استفاده قرار گیرد. در این مطالعه روشی جهت استخراج ویژگی‌های مناسب در تصاویر دینامیک ترموگرافی سینه ارائه شد. ویژگی‌های استخراج شده می‌توانند جهت طبقه‌بندی تصاویر ترموگرافی به سرطانی و سالم کمک کننده باشند.
روش: در این مطالعه توصیفی-تحلیلی تصاویر از پایگاه داده پروژه آنلاین IC/UFF استخراج شد. تعداد افراد مورد بررسی 196، شامل 41 مورد سرطانی و 155 مورد سالم بودند. هر فرد دارای 10 تصویر ترموگرافی که جمعاً تعداد تصاویر آنالیز شده 1960 تصویر ترموگرافی بود. این تصاویر با استفاده از دوربین FLIR ThermaCam S45 ضبط شد. مدل پیشنهادی بر اساس سلسله تصاویر ترموگرافی پستان یک فرد جهت استخراج 8 ویژگی مناسب ارائه شد. ویژگی‌های استخراج شده شامل میانگین، انحراف معیار، آنتروپی، کورتوسیس، همگنی، انرژی، اسکوئنس و واریانس است.
نتایج: عملکرد ویژگی‌های استخراج‌شده، توسط طبقه‌بندکننده‌های شامل درخت تصمیم، ماشین بردار پشتیبان، تجزیه‌وتحلیل متقارن درجه دوم و الگوریتم K -نزدیک‌ترین همسایگی با استفاده از cross validation ده‌گانه مورد ارزیابی قرار گرفتند. مقادیر دقت و حساسیت به ترتیب، بر اساس الگوریتم‌های درخت تصمیم 99%، 99/33% و ماشین بردار پشتیبان 98/46%، 95/12% و تجزیه‌وتحلیل متقارن درجه دوم 100%، 100% و الگوریتم K -نزدیک‌ترین همسایگی 99%، 97/56% به‌دست آمد.
نتیجه‌گیری: نتایج نشان داد که از میان ویژگی‌های آماری مرتبه اول، میانگین تفاوت، چولگی، آنتروپی و انحراف استاندارد ویژگی بسیار مؤثری هستند که بیشتر به تشخیص عدم تقارن کمک می‌کنند. ویژگی‌های استخراج‌شده با استفاده از مدل پیشنهادی می‌توانند در طبقه‌بندی افراد سالم و سرطانی در تصاویر حرارتی بسیار کمک کننده باشند.
کلید واژه‌ها: مدل دینامیک، ترموگرافی، سرطان پستان، استخراج ویژگی
روش: در این مطالعه توصیفی-تحلیلی تصاویر از پایگاه داده پروژه آنلاین IC/UFF استخراج شد. تعداد افراد مورد بررسی 196، شامل 41 مورد سرطانی و 155 مورد سالم بودند. هر فرد دارای 10 تصویر ترموگرافی که جمعاً تعداد تصاویر آنالیز شده 1960 تصویر ترموگرافی بود. این تصاویر با استفاده از دوربین FLIR ThermaCam S45 ضبط شد. مدل پیشنهادی بر اساس سلسله تصاویر ترموگرافی پستان یک فرد جهت استخراج 8 ویژگی مناسب ارائه شد. ویژگی‌های استخراج شده شامل میانگین، انحراف معیار، آنتروپی، کورتوسیس، همگنی، انرژی، اسکوئنس و واریانس است.
نتایج: عملکرد ویژگی‌های استخراج‌شده، توسط طبقه‌بندکننده‌های شامل درخت تصمیم، ماشین بردار پشتیبان، تجزیه‌وتحلیل متقارن درجه دوم و الگوریتم K -نزدیک‌ترین همسایگی با استفاده از cross validation ده‌گانه مورد ارزیابی قرار گرفتند. مقادیر دقت و حساسیت به ترتیب، بر اساس الگوریتم‌های درخت تصمیم 99%، 99/33% و ماشین بردار پشتیبان 98/46%، 95/12% و تجزیه‌وتحلیل متقارن درجه دوم 100%، 100% و الگوریتم K -نزدیک‌ترین همسایگی 99%، 97/56% به‌دست آمد.
نتیجه‌گیری: نتایج نشان داد که از میان ویژگی‌های آماری مرتبه اول، میانگین تفاوت، چولگی، آنتروپی و انحراف استاندارد ویژگی بسیار مؤثری هستند که بیشتر به تشخیص عدم تقارن کمک می‌کنند. ویژگی‌های استخراج‌شده با استفاده از مدل پیشنهادی می‌توانند در طبقه‌بندی افراد سالم و سرطانی در تصاویر حرارتی بسیار کمک کننده باشند.
کلید واژه‌ها: مدل دینامیک، ترموگرافی، سرطان پستان، استخراج ویژگی
فایل صوتی [MP3 948 KB] (104 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
