بهبود تشخیص و طبقه بندی توده های سرطان سینه بر اساس یادگیری عمیق و روش های پردازش تصویر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی کامپیوتر ، واحد گرگان ، دانشگاه آزاد اسلامی ، گرگان ، ایران

2 دانشکده فنی مهندسی دانشگاه آزاد اسلامی واحد گرگان ،گرگان ، ایران

چکیده

امروزه سیستم های تشخیص هوش پزشکی به لطف هوش مصنوعی تغییر یافته و با چالش هایی نیز مواجه شده است. تشخیص و طبقه بندی سرطان سینه یکی از این سیستم های هوش پزشکی است. روش‌های غربالگری مختلفی مانند ماموگرافی، تصویربرداری و سونوگرافی برای تشخیص سرطان سینه وجود دارد. این تحقیق از مجموعه داده های تصویری ماموگرافی MIAS استفاده می کند و توده های خوش خیم و بدخیم را بر اساس تکنیک های پردازش تصویر و یادگیری ماشینی تشخیص و طبقه بندی می کند. در ابتدا، پیش پردازش را برای کاهش نویز و بهبود تصویر بر اساس MFT معکوس کوانتومی و سپس تقطیع تصاویر با الگوریتم عنکبوت اجتماعی انجام می شود.حال نوع توده توسط شبکه عصبی عمیق (CNN) تشخیص داده می‌شود. نتایج به‌دست‌آمده نشان می دهد که رویکرد پیشنهادی بر اساس برخی معیارهای ارزیابی مانند دقت با 99.57، حساسیت با 91، ویژگی با 86، عملکرد بهتری در مقایسه با سایرین دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Breast Cancer Diagnosis and Classification Improvement based on Deep Learning and image Processing methods

نویسندگان [English]

  • mohsen eftekharian 1
  • Ali Nodehi 2
1 Department of Computer Engineering, Gorgan Branch, Islamic Azad University, Gorgan, Iran
2 Faculty of Engineering, Islamic Azad University, Gorgan Branch, Gorgan, Iran
چکیده [English]

Todays, medical intelligence detection systems thanks to artificial intelligence have been changed and also faced with some challenges. Breast cancer diagnosis and classification is one of these medical intelligence system. There are a variety of screening techniques available to detect breast cancer such as mammography, magnetic resonance imaging and ultrasound. This research used MIAS mammography image dataset and try to diagnose and classify benign, malignant masses based on image processing and machine learning techniques. at first, apply pre-processing for noise reduction and image enhancement based on Quantum Inverse MFT, and then image segmentation with Social Spider Algorithm.The type of mass is then diagnosed by the deep neural network(CNN). Obtained results presented that proposed approach have better performance in comparison to others based on some evaluation criteria such as accuracy with 99.57%, sensitivity

کلیدواژه‌ها [English]

  • Breast Cancer
  • Diagnosis and Classification
  • Quantum Inverse MFT Algorithm
  • Social Spider Algorithm (SSA)
  • CNN