%0 Journal Article %A alizadeh, norollah %A Pourasad, Yaghoub %T Detection and classification of breast masses using mammographically image processing %J Razi Journal of Medical Sciences %V 27 %N 4 %U http://rjms.iums.ac.ir/article-1-6113-fa.html %R %D 2020 %K CAD system, Breast cancer, Segmentation, Feature extraction, ANN, Decision tree classifiers, %X زمینه و هدف: سرطان پستان مهم‌ترین و رایج‌ترین بیماری در بین زنان است که دومین میزان مرگ‌و‌میر را بعد از سرطان‌ ریه به خود اختصاص داده‌است. ماموگرافی دیجیتال تصویر گرفته شده با استفاده از اشعه x برای تجزیه ‌و تحلیل، تفسیر و تشخیص می‌باشد. تشخیص خودکار سرطان پستان در تصاویر ماموگرافی یک وظیفه چالش برانگیز در بین سیستم‌های تشخیص به کمک کامپیوتر(CAD) می‌باشد. روش کار: در این مقاله یک راهکار برای تشخیص اتوماتیک سرطان پستان ارائه شده است. راهکار ارائه شده شامل ۳ مرحله اصلی استخراج ناحیه پستان، حذف عضله پکتورال و طبقه‌بندی ویژگی‌های استخراج شده به دو دسته سرطانی و غیر‌سرطانی می‌باشد. یافته­ ها: برای قطعه‌بندی از روش آستانه‌گذاری اتسو و سپس حذف عضله پکتورال با استفاده از انتخاب پیکسل دانه و الگوریتم رشد ناحیه میسر‌ شده‌است. در مرحله بعدی ماتریس هم‌وقوعی خاکستری تصویر(GLCM)که توصیف‌کننده بافت تصویر است ایجاد شده و ۱۶ ویژگی از آن استخراج ‌می‌شود. در نهایت طبقه‌بندی های مختلفی برای ‌تفکیک ناحیه پستان به بافت‌های نرمال و سرطانی، آموزش داده می‌شوند. در نتایج به‌دست آمده نرخ تشخیص صحیح ۱۰۰ درصد برای شبکه عصبی و۳/۹۶ درصد برای طبقه‌بندهای درخت تصمیم گیری(C5.0,CHAID) بدست‌آمده است. نتیجه‌گیری: اعتبار سنجی راهکار ارائه شده در این مقاله با استفاده از داده های پایگاه mini-MIAS انجام شده‌است و نتایج با کار‌های قبلی انجام شده مقایسه شده‌است که نشان ‌می‌‌دهد راهکار ارائه شده می‌تواند با اطمینان برای تشخیص سرطان پستان اعمال شود. %> http://rjms.iums.ac.ir/article-1-6113-fa.pdf %P 60-73 %& 60 %! %9 Research %L A-10-5017-1 %+ Urmiya University of Technoology, Urmia, Iran %G eng %@ 2228-7043 %[ 2020