اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدالكشف الآلي عن آفات الثدي في صور الماموغرام مع استخلاص الخصائص باستخدام طريقة أوتسو Otsu
Automatic detection of breast lesions in mammograms images with features extraction using Otsu's method
1105
2 25
0
(
0
)
نشر من قبل
جامعة البعث ورقة بحثية
تاريخ النشر
2016
مجال البحث
الهندسة الكهربائية والميكانيكية
والبحث باللغة
العربية
تأليف
غادة سعد( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
يعتبر الماموغرام الخيار الأفضل للكشف المبكر عن سرطان الثدي عند النساء، طورت أنظمة الكشف بمساعدة الحاسب (CAD) من أجل تحسين تشخيص صور الماموغرام. يقدم هذا البحث طريقة مقترحة لتجزيء صور الماموغرام آلياً اعتماداً على طريقة أوتسو Otsu’s method بهدف كشف آفة التكلسات الميكروية و الكتل من صور الماموغرام المجزأة ، تستند هذه التقنية المقترحة إلى ثلاث خطوات، أ ( تحديد مواصفات المنطقة ذات الاهتمام ROI, ب ( تحويل المويجي ثنائي البعد، ج ( تطبيق تعتيب أوتسو على ROI لاستخلاص الآفة. اختبرت الطريقة المقترحة على عدة صور أخذت من قاعدة بيانات معيارية mini-MIAS. و نفذت ضمن بيئة برنامج الماتلاب، . و يمكن إنجازها بشكل فعال على حاسب شخصي بسيط. بينت النتائج التجريبية و نتائج تقييم الأداء بأن الخوارزمية المقترحة تعتبر أداة مساعدة في تحسين أداء التشخيص، و لها القدرة على الكشف عن آفات الثدي.
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 depending 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.
مراجعة الذكاء الصنعي:
ملخص البحث
تقدم هذه الورقة البحثية طريقة مقترحة لتجزئة الصور تلقائيًا باستخدام طريقة أوتسو للكشف عن التكلسات الميكروية وآفات الكتل في صور الماموغرام. تعتمد التقنية المقترحة على ثلاث خطوات رئيسية: تحديد منطقة الاهتمام (ROI)، تحويل المويجات ثنائي الأبعاد، وتطبيق تعتيب أوتسو على منطقة الاهتمام. تم اختبار الطريقة على قاعدة بيانات mini-MIAS القياسية وتم تنفيذها باستخدام بيئة MATLAB. أظهرت النتائج التجريبية أن الخوارزمية المقترحة يمكن أن تساعد في تحسين أداء التشخيص والكشف عن آفات الثدي بدقة. تعتمد الخوارزمية على إجراءات عامة ولا تتطلب تدخل المستخدم، مما يسهل تعميم تطبيقها على نطاق واسع. كما تم تقييم أداء الخوارزمية باستخدام مؤشرات تحسين التباين (CII) ونسبة الإشارة إلى الضوضاء القصوى (PSNR)، وأظهرت النتائج أن الخوارزمية قادرة على تحسين تباين الصور وتقليل الضوضاء بشكل فعال. بالإضافة إلى ذلك، تمت مقارنة النتائج مع دراسات سابقة وأثبتت الخوارزمية تفوقها في بعض الجوانب. تهدف الورقة إلى تقديم أداة مساعدة لأطباء الأشعة لتحسين دقة التشخيص وتقليل الأخطاء البشرية في تفسير صور الماموغرام.
قراءة نقدية
على الرغم من أن الورقة تقدم خوارزمية فعالة للكشف عن آفات الثدي باستخدام طريقة أوتسو، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم اختبار الخوارزمية على مجموعة متنوعة من قواعد البيانات، مما يثير تساؤلات حول قدرتها على التعميم. ثانياً، لم يتم تقديم تفاصيل كافية حول كيفية التعامل مع الصور ذات الجودة المنخفضة أو التباين المنخفض، وهو ما يمكن أن يؤثر على دقة الكشف. ثالثاً، على الرغم من أن النتائج التجريبية مشجعة، إلا أنه كان من الأفضل تقديم مقارنة أكثر شمولية مع خوارزميات أخرى مستخدمة في نفس المجال. أخيراً، لم يتم مناقشة تأثير العوامل البشرية مثل خبرة الأطباء في استخدام النظام المقترح، وهو ما يمكن أن يكون له تأثير كبير على فعالية النظام في البيئات العملية.
أسئلة حول البحث
-
ما هي الخطوات الرئيسية التي تعتمد عليها الخوارزمية المقترحة في الورقة؟
تعتمد الخوارزمية المقترحة على ثلاث خطوات رئيسية: تحديد منطقة الاهتمام (ROI)، تحويل المويجات ثنائي الأبعاد، وتطبيق تعتيب أوتسو على منطقة الاهتمام.
-
ما هي قاعدة البيانات التي تم اختبار الخوارزمية عليها؟
تم اختبار الخوارزمية على قاعدة بيانات mini-MIAS القياسية.
-
ما هي المؤشرات التي تم استخدامها لتقييم أداء الخوارزمية؟
تم استخدام مؤشرات تحسين التباين (CII) ونسبة الإشارة إلى الضوضاء القصوى (PSNR) لتقييم أداء الخوارزمية.
-
ما هي النقاط التي يمكن تحسينها في الورقة البحثية؟
يمكن تحسين الورقة من خلال اختبار الخوارزمية على مجموعة متنوعة من قواعد البيانات، تقديم تفاصيل أكثر حول التعامل مع الصور ذات الجودة المنخفضة، تقديم مقارنة شاملة مع خوارزميات أخرى، ومناقشة تأثير العوامل البشرية على فعالية النظام.
المراجع المستخدمة
SMITH R. A. 1993-Epidemiology of breast cancer in a categorical course in physics. Technical Aspects of Breast Imaging, 2nd ed. RSNA publication, Oak Book, II, pp.21
Peto.R, Boreham.J, Clarke.M, Davies.C, Beral.V, May 2000 -UK and USA Breast cancer deaths down 25% in year 2000 at ages 20-69 years. THE LANCET, Volume 355, Issue 9217 ،Page 1822, 20
Ghosh .R, Ghosh. M, Yearwood. J. April, 2004 -A Modular Framework for Multi category feature selection in Digital mammography. In Proceedings of the 12th European Symposium On Artificial Neural Networks ESANN’2004, Bruges (Belgium), pp. 175-180, 28-30
قيم البحث
اقرأ أيضاً
يساعد الكشف المبكر عن سرطان الثدي الذي يعد ثاني أسباب الوفاة عند النساء في العالم في تحسين فرص الشفاء. يسمح التصوير بالأمواج فوق الصوتية لاختصاصي الأشعة التمييز مبدئياً بين أشكال الكتل و اعتماداً على هذا التقييم تؤخذ الخزعات. صمم في هذا البحث نظام كش
ف بمساعدة الحاسوب لتحديد حافات الكتل في صور الأمواج فوق الصوتية باستخدام طريقة مجموعة السويات. يتضمن هذا النظام إزالة الضجيج من صور الأمواج فوق الصوتية للثدي باستخدام مرشح وسطي لا محلي له القدرة على إزالة الضجيج النقطي مع المحافظة على معلومات الصورة، و من خلال واجهة التعامل مع المستخدم تحذد الحافات مبدئياً لتقوم بعدها طريقة مجموعة السويات بتحديد حافات الكتل.
أعطت هذه الطريقة نتائج جيدة عند إجراء مقارنة بين الحافات المحددة بالبرنامج و الحافات التي رسمها اختصاصي الأشعة ليصل التطابق لنسبة 96 %. هذه النتائج الجيدة تفتح الأبواب أمام بحوث مستقبلية للوصول إلى إمكانية تطبيق هذا النظام ضمن العيادات و المراكز الطبية.
يهدف البحث إلى تطوير طريقة جديدة لاستخراج و تحديد خصائص و سمات الأورام السرطانية في صور المرنان المغناطيسي للثدي بالإعتماد خوارزميات العنقدة و معالجة الصور الرقمية ,تم في البداية الاعتماد على إحدى خوارزميات العنقدة فيتجزئة الصورة و تجميع عناصرها و فق
قيم السويات الرمادية و من ثم تم تطبيق العمليات المورفولوجية و ذلك للتخلص من الضجيج و حذف المعلومات غير المرغوبة و بالتالي استخراج المنطقة المشبوهة و أخيراً تم استخلاص بعض الواصفات الشكلية و التي يمكن ان تكون مفيدة في تشخيص المنطقة المشبوهة المستخرجة ,استخدمت قاعدة بيانات مكونة من 96 صورة من صور المرنان المغناطيسي للثدي و تم تطبيق الطريقة المقترحة عليها باستخدام برنامج الماتلاب حيث تم استخراج المناطق الورمية من هذه الصور و مقارنتها مع رأي الأطباء.
سرطان الثدي هو من الأمراض السرطانية الأكثر انتشاراً بين النساء. و تشخيصه في مرحلة مبكرة تتيح إمكانية علاج المرض بشكل أكثر فعالية. و تعد التكلسات أحد أهم العلامات للكشف عن السرطان بمرحلة مبكرة. و التصوير الشعاعي للثدي (الماموغرام) هو الأسلوب الأمثل و
المتبع للكشف عن آفات الثدي باستخدام جرعات منخفضة من الأشعة. و قد أثبتت الدراسات أن حساسية الماموغرام قابلة للتحسن بين 15% و 30% بالاعتماد على أنظمة التشخيص بمساعدة الحاسب (CAD (Computer Auto-Detection، و التي تعد بمنزلة قارئ ثانٍ لتنبيه الطبيب إلى مناطق قد يغفل عنها. تلخص هذه المقالة الخوارزميات المختلفة التي نُشرت مؤخراً للكشف عن التكلسات الميكروية و تقارن أداءها. و تناقش أسباب ضرورة اعتماد قاعدة بيانات عامة معيارية لاختبار أداء أنظمة الكشف بمساعدة الحاسب CAD و الدوافع لزيادة كفاءة مختلف أنظمة CAD في المجال التشخيص السريري.
استخدمت منهجية التعرف باستخدام موصف مخطط التوزع التكراري للتدرج الموجه HOG لبناء مصنف آلة شعاع الدعم SVM و طبقت هذه الطريقة اعتمادا على لغة البرمجة C++ و المكتبات OpenCV و Dlib.
التصوير الشعاعي للثدي (الماموغرام) هو تقنية تستخدم على نطاق واسع للكشف عن سرطان الثدي، فبالرغم من وجود تقنيات أخرى مختلفة للكشف عن سرطان الثدي إلا أن التصوير الشعاعي للثدي هو الأسلوب الأكثر موثوقية و فعالية في الكشف المبكر عن سرطان الثدي. إن الصور ال
تي يتم الحصول عليها عن طريق التصوير الشعاعي للثدي هي ذات تباين منخفض و هذا ما يسبب مشكلة لأطباء الأشعة لتشخيص المرض من هذه الصور، إذاً، تستخدم تقنيات معالجة الصورة في الحصول على صور ذات جودة عالية، بهدف استخلاص أي نوع من المعلومات منها، لذلك وضعت العديد من الخوارزميات لتحسين تباين الصورة خلال السنوات الماضية. في هذا العمل، اُقْتُرِحَتْ طريقة لتحسين تباين التكلسات في صور الماموغرام، تعتمد هذه الطريقة على تطبيق تحويلي القبعة العليا Top-Hat و القبعة السفلى Bottom –Hat و التي تعتمد على العمليات المورفولوجية الرياضية. اختبرت الطريقة على مجموعة صور ذات أنماط مختلفة من نسج الثدي من قاعدة بيانات معيارية mini-Mias . لتقييم أداء خوارزمية التحسين استخدم معيار تحسين التباين CII، و معيار نسبة ذروة الاشارة الى الضجيج PSNR بعد كل تحسين. تشير النتائج التجريبية أن الخوارزمية المقترحة لديها القدرة على تحسين نظام التشخيص بمساعدة الحاسب (CAD) و خاصة لنسج الثدي الكثيفة.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
