الهدف من هذا البحث هو استعمال الشبكة العصبونية ذات الانتشار العكسي BNN في تصنيف
كتل الثدي من صور الماموغرام بهدف تخفيض عدد الخزعات الجراحية غيـر الضـرورية.
قارنا في هذه الدراسة أداء تصنيف كتل الثدي في صور الماموغرام بين الشبكة العصـبونية
ذات الانت
شار العكسي (BNN (Network Neural Backpropagation و بين أطبـاء أشـعة.
دخل BNN هو الصفات الشكلية وصفات الكسوة المستخلصة من الكتل.
A mammogram is the best option for early detection of breast cancer,
Computer Aided Diagnostic systems(CADs) developed in order to
improve the diagnosis of mammograms. This paper presents a proposed
method to automatic images segmentation dependin
g on the Otsu's
method in order to detect microcalcifications and mass lesions in
mammogram images. The proposed technique is based on three steps:
(a) region of interest (ROI), (b) 2D wavelet transformation, and (c) OTSU
thresholding application on ROI. The method tested on standard mini-
MIAS database. It implemented within MATLAB software environment.
Experimental results and performance evaluate results show that the
proposed detection algorithm is a tool to help improve the diagnostic
performance, and has the possibility and the ability to detect the breast
lesions.
