مجله ماشین بینایی و پردازش تصویر

مجله ماشین بینایی و پردازش تصویر

ناحیه بندی تومور در تصاویر ماموگرافی با استفاده از کانتور فعال چن-وسه و اطلاعات ویژگی محلی بافت

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی کارشناسی ارشد دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان، دانشکده برق و کامپیوتر
2 دانشگاه تحصیلات تکمیلی صنعتی کرمان، دانشکده برق و کامپیوتر، بخش مهندسی برق
3 دانشگاه شهید باهنر کرمان، بخش مهندسی کامپیوتر
چکیده
ناحیه بندی تومورهای سرطانی در تصاویر ماموگرافی مرحله ی مهمی در سامانه های تشخیص کمک کامپیوتری (CAD) بوده و یک مساله ی پر چالش است. در این مقاله از اطلاعات ویژگی محلی (LFI-CV) بافت تصویر در مدل کانتور فعال چن-وسه برای ناحیه بندی تومور استفاده شده است. در این مدل، ابتدا نگاشت ویژگی های بافت از تصویر استخراج می شود. سپس اطلاعات ویژگی محلی بافت تصویر به عنوان مقادیر ضرایب نیروی مدل چن-وسه در نظر گرفته می شوند. به کمک این ضرایب، انرژی مدل کانتور کمینه می شود و کانتور می تواند دقیق تر بر روی مرزهای تومور قرار گیرد. اطلاعات ویژگی های بافت مورد استفاده شامل ماتریس همرخداد سطح خاکستری (GLCM) و ویژگی های گابور می باشند. عملکرد روش ناحیه بندی پیشنهادی با استفاده از مدل های کانتور فعال چن -وسه مقایسه و ارزیابی شده است. ناحیه بندی در مدل کانتور فعال پیشنهادی با نگاشت های ویژگی کنتراست، آنتروپی و گابور در جهت و نسبت به مدل های کانتور چن- وسه دیگر در تکرار کمتر همگرا می شود. نتایج نشان می دهند که روش ناحیه بندی پیشنهادی برای ویژگی بافت گابور در جهت نتایج ناحیه بندی مطلوبی نسبت به روش های کانتور فعال چن-وسه دیگر از لحاظ زمان، تعداد تکرار، دقت و حساسیت ناحیه بندی دارد. تصاویر استفاده شده در این مطالعه از پایگاه داده جامعه ی تحلیل تصاویر ماموگرافی (MIAS) اخذ شده‌اند.
کلیدواژه‌ها

عنوان مقاله English

Tumor segmentation in mammogram images using Chan-Vese active contour and texture local feature information

نویسندگان English

Fatemeh Shirazi 1
Esmat Rashedi 2
Hossein Nezamabadi-pour 3
1 M.S. Student Department of Electrical Engineering, Graduate University of Advanced Technology
2 Department of Electrical Engineering, Graduate University of Advanced Technology
3 Department of electrical engineering, Shahid Bahonar University of Kerman
چکیده English

Cancerous tumor segmentation in mammogram images is an important stage and a challenging problemin computer aided detection (CAD) systems. In this paper, local feature information and Chan-Vese(LFI-CV)active contour modelare used for tumor segmentation. First, the texture feature mapsof mammograms are extracted. The utilized texture feature information includes gray level co-occurrence matrix (GLCM) and Gabor features. Using this information,the force values ofChan-Vese model are set and active contour model’s energy is minimized.As a result, the contour accurately segments the tumor. The results show that tumor segmentation using the proposed active contour modelandGabor texture feature at orientationis efficient in regard to the number of iterations, accuracy, and sensitivity. The mini-MIAS database is used for evaluation.

کلیدواژه‌ها English

breast cancer
Computer aided detection
mammography
Cancerous tumor segmentation
Texture feature
Local feature information
Chan-Vese active contour model
دوره 5، شماره 2
آذر 1397
صفحه 13-25

  • تاریخ دریافت 03 آبان 1395
  • تاریخ بازنگری 31 تیر 1396
  • تاریخ پذیرش 02 مهر 1396