مقاله تشخیص سرطان پستان در ماموگرام های دیجیتال (2015 IEEE)

I.مقدمه

II. الگوریتم پیشنهادی

III. نتایج آزمایشگاهی و بحث

IV. نتیجه گیری

This paper discusses an approach for automatic detection of abnormalities in the mammograms. Image processing techniques have been applied to accurately segment the suspicious region-of-interest (ROI) prior to abnormality detection. Unsharp masking has been applied for enhancement of the mammogram. Noise removal has been done by using median filtering. Discrete wavelet transform has been applied on filtered image to get the accurate result prior to segmentation. Suspicious ROI has been segmented using the fuzzy-C-means with thresholding technique. Tamura features, shape based features and moment invariants are extracted from the segmented ROI to detect the abnormalities in the mammograms. Proposed algorithm has been validated on the Mini-MIAS data set.

این مقاله در مورد روشی برای تشخیص خودکار ناهنجاری ها در ماموگرام ها بحث می کند. تکنیک های پردازش تصویر، برای کلاسه بندی دقیق نواحی موردنظر (ROI) مشکوک، پیش از تشخیص ناهنجاری به کار برده می-شوند. پوشش غیر شارپ برای بهسازی ماموگرام به کار برده می شود. حذف نویز با استفاده از فیلتر میانی انجام می شود. تبدیل موجک گسسته روی تصویر فیلتر شده اعمال می شود تا قبل از کلاسه بندی، نتایج دقیقی را ارائه کند. ROI مشکوک با استفاد از میانگین های C فازی و با تکنیک آستانه بندی کلاسه بندی می شود. ویژگی های تامورا، ویژگی های مبتنی بر شکل و ویژگی های (ثابت های) لحظه ای از ROI کلاسه بندی شده استخراج می شوند تا ناهنجاری های موجود در ماموگرام ها شناسایی شوند. الگوریتم پیشنهادی روی مجموعه داده های Mini –MIAS تایید اعتبار می شود.

توجه؛ (همانطور که در نمونه ترجمه مشاهده مینمایید، این ترجمه توسط مترجم مجرب با رشته مرتبط به صورت کاملا تخصصی انجام شده و ادامه مقاله نیز به همین صورت با کیفیت عالی در فرمت ورد و pdf آماده خریداری و دانلود میباشد.)