جداسازي خودكار ناحيه پستان در تصاوير تشديد مغناطيسي مبتني بر اطلس و طبقه بندي ضايعات سرطاني

دكترا

سرطان پستان شايعترين سرطان و دومين دليل مرگ هاي ناشي از سرطان در ميان زنان جهان است. تصويربرداري تشديد مغناطيسي، نقشي مهم در آشكارسازي سرطان پستان دارد. اما تحليل اين تصاوير زمانبر و وابسته به تجربه و تخصص راديولوژيست است. بنابراين وجود سيستمي خودكار براي ياري رساندن به پزشك، ضروري به نظر مي رسد. در اين رساله، يك سيستم آسيب شناسي به كمك كامپيوتر براي آشكارسازي و طبقه بندي ضايعات در تصاوير تشديد مغناطيسي پستان ارائه شده است. اولين قدم در الگوريتم پيشنهادي جداسازي پستان است. اكثر روش هاي پيشنهاد شده در مقالات براي جداسازي پستان، بر مبناي تقابل ميان ناحيه پستان و بافت هاي اطرافش عمل مي نمايند. اما بدليل شباهت ميان سطوح خاكستري بافت فيبروگلاندولار و ماهيچه پكتورال، چنين روش هايي براي جداسازي پستان هايي با بافت فيبروگلاندولار چسبيده به ديواره قفسه سينه ناكارآمد مي باشند. براي حل اين مشكل، رساله حاضر دو روش مبتني بر اطلس با بكارگيري الگوهاي ديواره و محفظه قفسه سينه ارائه نموده است. همچنين براي انتخاب شبيه ترين اطلس، معيار شباهت جديدي مبتني بر ويژگي هاي هندسي ديواره قفسه سينه تعريف شده است. پس از جداسازي پستان، يك الگوريتم رشد ناحيه اي مبتني بر روش خوشه بندي Fuzzy C-Means (FCM) و فيلتر Vesselness براي جداسازي ضايعات پيشنهاد شده است. براي اولين بار در اين رساله، الگوريتم خوشه بندي FCM و فيلتر Vesselness در الگوريتم رشد ناحيه اي ادغام مي شوند. در نهايت براي طبقه بندي ضايعات در دو دسته خوش خيم و بدخيم، سه گروه ويژگي ريخت شناسي، سينتيك و بافت از ضايعات جداسازي شده استخراج مي شوند. در اين رساله، ويژگي بافتي جديدي تحت عنوان هم رخدادي توصيفگر فركانس محلي معرفي شده و عملكرد آن با ويژگي هاي بافتي مبتني بر ماتريس هم رخدادي سطح خاكستري و الگوي باينري محلي مقايسه شده است. چالش اساسي در رابطه با آشكارسازي و طبقه بندي ضايعات پستان تحليل ضايعات غيرتوده اي است، بنابراين در اين رساله، اين ضايعات بطور خاص مورد بررسي و تحليل قرار گرفته اند. بردارهاي ويژگي استخراجي به طبقه بندي كننده ماشين بردار پشتيبان داده شده و طبقه بندي ضايعات به دو دسته¬ي خوش¬خيم و بدخيم انجام مي¬گردد. دو روش ارائه شده براي جداسازي پستان، به ترتيب مقادير هم پوشاني كل 4/96 و 4/97 را بدست آوردند. سيستم آسيب شناسي پيشنهادي با نرخ آشكارسازي 94/0 ضايعات سرطاني را شناسايي نموده و با مقادير AUC، صحت، حساسيت وspecificity به ترتيب 94/0، 88/0، 85/0 و 89/0 قادر به طبقه بندي ضايعات خوش خيم و بدخيم است. نتايج بدست آمده كارآيي سيستم آسيب شناسي پيشنهادي را براي جداسازي و طبقه بندي ضايعات سرطاني توده اي و ضايعات با بهبود تقابل غيرتوده اي نشان مي دهد.

190896

دانشگاه علم و صنعت ايران

دكتر سيد محمدرضا موسوي ميركلائي - دكتر نسرين احمدي نژاد

الكترونيك

دكتر شهريار برادران شكوهي