پردازش تصاویر پزشکی و استخراج ویژگی های موثر در تشخیص بیماری

استخراج دانش از پایگاهدادههای بزرگ مورد توجه بسیاری از پژوهش های اخیر و برنامه های کاربردی قرار گرفته است . پیشرفت های اخیر در دستیابی به تصاویر و فناوری ذخیره سازی منجر به رشد بسیار عظیمی در پایگاهدادههای بسیار بزرگ تصاویر شده است . با این حال مطالعات بسیار کمی بر روی دادهکاوی تصاویر انجام شده است .حجم عظیمی از دادههای تصویری در زندگی روزانه ما از قبیل تصویر پزشکی ،تصاویر ماهوارهای و همه انواع عکس های دیجیتال، وجود دارد. هرروزه حجم وسیعی از اطلاعات مربوط به تصاویر پزشکی در مراکز تصویربرداری پزشکی تولید می شوند لذا ضروری به نظر می رسد که اطلاعات جمع آوری شده تصاویر با استفاده از منابع در دسترس ذخیره، پردازش و تحلیل شوند. هدف اصلی از این مقاله استخراج ویژگی ها از بافت تصاویر ماموگرافی سینه است بطوریکه بافت های سرطانی طبقه بندی شده و به سه کلاس طبیعی یا نرمال، خوشخیم و بدخیم طبقه بندی شود. تعداد ویژگی های استخراج شده توسط یک روش ترکیبی ارائه شده، کاهش می یابد.این عمل دقت پیش بینی را بهبود بخشیده و زمان محاسبه را حداقل می کند. همچنین از دو روش برای طبقه بندی ویژگی ها استفاده می کند و سپس نتایج حاصل از این طبقه بندی ها با هم مقایسه می شوند.آزمایش ها برای یک مجموعه داده ۳۰۰تایی تصویر که از MIAS گرفته شده، با هدف بهبود دقت صورت گرفته است .