%0 Journal Article %T تشخیص سرطان سینه از روی ریزدانه‌های کلسیم در تصویر ماموگرافی به کمک خوشه‌بندی فازی و شبکه های عصبی %J پردازش سیگنال پیشرفته %I معاونت پژوهش و فناوری، دانشگاه تبریز %Z 2676-3397 %A ضرابی باب الدشت, شیما %A بهزادفر, ندا %D 2021 %\ 08/23/2021 %V 5 %N 1 %P 19-27 %! تشخیص سرطان سینه از روی ریزدانه‌های کلسیم در تصویر ماموگرافی به کمک خوشه‌بندی فازی و شبکه های عصبی %K ریزدانه کلسیم %K سرطان سینه %K تصاویر ماموگرام %K خوشه‌بندی فازی %K طبقه‌بندی %K استخراج ویژگی %R 10.22034/jasp.2022.48252.1161 %X تشخیص ریزدانه‌های کلسیم در تصاویر ماموگرافی سینه در تشخیص زودهنگام سرطان از اهمیت زیادی برخوردار‌است. شناسایی این ریزدانه‌ها به‌طور دستی و توسط افراد متخصص انجام می‌گیرد که با هزینه بالا و خطا همراه است. در این مقاله یک روش جدید مبتنی بر الگوریتم خوشه‌بندی فازی برای شناسایی ریزدانه در تصاویر ماموگرافی پیشنهاد شده است. در روش پیشنهادی کیفیت پایین تصاویر ماموگرافی به کمک پیش‌پردازش بهبود داده ‌می‌شود. با تعریف یک تابع عضویت مناسب در خوشه‌بندی فازی، نواحی ریزدانه شناسایی ‌شده‌اند. دقت و حساسیت ناحیه مطلوب دارای ریزدانه شناسایی‌شده با ناحیه‌ای که توسط پزشک استخراج‌شده مقایسه شده است. دقت شناسایی ناحیه مطلوب 79/96 درصد و حساسیت این شناسایی 20/97 درصد به‌دست‌ آمده است که نسبت به روش قبلی دقت و حساسیت شناسایی ریزدانه بهبود پیدا کرده است (دقت شناسایی ناحیه مطلوب 95 در صد و حساسیت 52/90 در صد). در ادامه به کمک شبکه عصبی انتشار به جلو با الگوریتم آموزشی پس انتشار خطا، به طبقه‌بندی نواحی استخراج‌شده به دو دسته خوش‌خیم و بدخیم پرداخته‌شده است. معیارهای دقت شناسایی، حساسیت، نرخ اخباری مثبت و منفی برای ارزیابی دقت تشخیص خوش‌خیم و بدخیم بودن ریزدانه به کار گرفته شد. دقت شناسایی 50/97 درصد، حساسیت 13/98 درصد، نرخ اخباری مثبت 30/98 درصد و منفی 32/96 درصد، بیان‌کننده نتایج مطلوب از روش پیشنهادی در این مقاله است. دلیل برتری روش پیشنهادی دقت بالا در استخراج ناحیه مورد نظر و همچنین ویژگی های متمایز استخراج شده از ناحیه مورد نظر است. %U https://jasp.tabrizu.ac.ir/article_14342_914f2c1179bf265da56e32157fed18ea.pdf