جلد 27، شماره 4 - ( 4-1399 )                   جلد 27 شماره 4 صفحات 121-106 | برگشت به فهرست نسخه ها

Research code: 000000000
Ethics code: 00000000

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghahvechi Khaligh, H, Pourasad Y, Moghadas Gholian S. Classification of Lung nodules using textural and geometric features. RJMS 2020; 27 (4) :106-121
URL: http://rjms.iums.ac.ir/article-1-6145-fa.html
خلیق هانیه قهوچی، پوراسد یعقوب، مقدس قولیان سرلی. پردازش تصاویر و استخراج ندول‌های ریوی با ترکیب ویژگی‌های بافتی و هندسی. مجله علوم پزشکی رازی. 1399; 27 (4) :106-121

URL: http://rjms.iums.ac.ir/article-1-6145-fa.html


دانشگاه صنعتی ارومیه، ارومیه، ایران ، y.pourasad@uut.ac.ir
چکیده:   (4377 مشاهده)
زمینه و هدف: از آنجایی که تشخیص غدد سرطانی و بدخیم ریه با استفاده از روش‌های عکس‌برداری نظیر CT -Scan و بدون نیاز به نمونه‌برداری باعث کاهش ریسک پخش شدن ندول سرطانی می‌شود، بنابراین توسعه یک سیستم تشخیصی کامپیوتری جهت پردازش تصاویر و غدد ریوی و سپس طبقه‌بندی آن‌ها به دو دسته خوش خیم و بدخیم، در تشخیص زودهنگام سرطان ریه و نجات جان بیماران نقش بسزایی ایفا می­کند. هدف از این پژوهش، دستیابی به دقت طبقه‌بندی بالاتر و در نتیجه دقت تشخیص بالاتر غده­های بدخیم و خوش خیم می­باشد.
روش کار: در این پژوهش الگوریتم‌هایی که پیش از این برای طبقه‌بندی غدد ریوی استفاده شده، معرفی می­شود و در نهایت الگوریتم پیشنهادی ارائه می­شود. در الگوریتم پیشنهادی ابتدا تصاویر سی تی اسکن ریه پیش پردازش شده و سپس به وسیله کانتور فعال چن-وسه، ناحیه ندول استخراج می­شود. از ناحیه قطعه­بندی شده، ویژگی‌های هیستوگرام، بافت و هندسی استخراج می­شود. سپس این ویژگی‌ها با استفاده از دو طبقه بند SVM و KNN، ندول‌های ریوی را به دو دسته خوش خیم و بدخیم طبقه بندی می­کنند.
یافته‌ها: نتایج حاصل از پیش­پردازش‌­های اعمالی بررسی می­گردد. سپس تصاویر پیش­پردازش­ شده توسط الگوریتم چن-وسه قطعه­بندی شده و ناحیه استخراج شده و تحت الگوریتم­ های استخراج ویژگی قرار گرفته و 25 ویژگی مختلف بافتی و هندسی برای هر غده از این نواحی استخراج می­گردد. در مرحله آخر، توسط داده­های استخراج شده، طبقه­بند­های SVM و KNN اقدام به طبقه­بندی غدد می­کنند. معیارهای دقت، حساسیت و میزان اختصاصی بودن در طبقه بند برتر % 8/90، % 100 و 89% بدست می­آید.
نتیجه‌گیری: این روش علاوه بر دقت بالا در تشخیص، روشی کم هزینه و کم خطر نیز می‌باشد. روش پیشنهادی بخاطر دارا بودن حساسیت بسیار بالا و همچنین دارا بودن مقادیر مطلوب دو معیار دقت و میزان اختصاصی بودن و تعداد پایین ویژگی­های مورد استفاده جهت طبقه­بندی، بعنوان یک روش کارآمد و مناسب جهت طبقه­بندی غدد ریوی پیشنهاد می­گردد.
متن کامل [PDF 902 kb]   (1191 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: بیماریهای داخلی

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله علوم پزشکی رازی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Razi Journal of Medical Sciences

Designed & Developed by : Yektaweb