مقدمه : سرطان سینه ، یک عامل موثر در مرگ و میر خانم ها در سراسر جهان می باشد . از آنجایی که رادیولوژیست ها تنها در ۷۵% موارد سرطان سینه را تشخیص میدهند، استفاده از روش های کمک تشخیصی کامپیوتری ضروری می باشد .
مواد و روش ها : در این مطالعه روشی نوین با ترکیب روش های مبتنی بر پیکسل و مبتنی بر ناحیه به منظور افزایش دقت در تعیین نواحی مشکوک و کاهش خطای مثبت کاذب ارائه شده است . در ابتدا با به کارگیری روش ترکیبی جدید پس زمینه و عضله سینه از روی تصاویر ماموگرافی به صورت خودکار حذف می شوند و با استفاده از روش چگالی وزن دار وفقی ،کنتراست تصاویر بهبود میابد . آنگاه در مرحله اول با اعمال یک الگوریتم جدید مبتنی بر روشهای مورفولوژی و آستانه گذاری تطبیق پذیر ، نواحی مشکوک به توده استخراج می شوند . در مرحله دوم برای کاهش خطای مثبت کاذب ، با اعمال تبدیل موجک در نواحی مشکوک ، ویژگی های مناسب استخراج گردیده و جهت طبقه بندی به ماشین بردارپشتیبان منتقل می شوند.
نتایج : برای ارزیابی این روش بانک داده های MIAS مورد استفاده قرار گرفت و حساسیت ۸۱% و اختصاصیت ۸۴% حاصل گردید و در نهایت با مقایسه منحنی ROC مربوط به روش پیشنهادی و الگوریتم ماسوتی و نظر یک متخصص ، افزایش حساسیت و اختصاصیت مشاهده شد .
بحث ونتیجه گیری : در این مطالعه ترکیبی از روش های مبتنی بر پیکسل و مبتنی بر ناحیه به منظور افزایش اختصاصیت پیشنهاد شده است که امکان تشخیص انواع مختلف توده حتی در تصاویر ماموگرافی با کنتراست پایین را فراهم می سازد . با افزودن مرحله تکمیلی و استفاده از ویژگی های موثر در الگوریتم ، در اختصاصیت افزایش ۳۰% حاصل گردید .