TY - JOUR T1 - Extraction of Suitable Features for Breast Cancer Detection Using Dynamic Analysis of Thermographic Images TT - استخراج ویژگی‌های مناسب جهت تشخیص بیماری سرطان پستان با استفاده از تحلیل دینامیک تصاویر ترموگرافی JF - jhbmi JO - jhbmi VL - 7 IS - 2 UR - http://jhbmi.ir/article-1-381-fa.html Y1 - 2020 SP - 91 EP - 101 KW - Dynamic Model KW - Thermography KW - Breast Cancer KW - Feature Extraction N2 - مقدمه: ترموگرافی یک روش تصویربرداری غیرتهاجمی است که می­تواند جهت تشخیص سرطان پستان مورد استفاده قرار گیرد. در این مطالعه روشی جهت استخراج ویژگی‌های مناسب در تصاویر دینامیک ترموگرافی سینه ارائه شد. ویژگی‌های استخراج شده می‌توانند جهت طبقه‌بندی تصاویر ترموگرافی به سرطانی و سالم کمک کننده باشند. روش: در این مطالعه توصیفی-تحلیلی تصاویر از پایگاه ‌داده پروژه آنلاین IC/UFF استخراج شد. تعداد افراد مورد بررسی 196، شامل 41 مورد سرطانی و 155 مورد سالم بودند. هر فرد دارای 10 تصویر ترموگرافی که جمعاً تعداد تصاویر آنالیز شده 1960 تصویر ترموگرافی بود. این تصاویر با استفاده از دوربین FLIR ThermaCam S45 ضبط شد. مدل پیشنهادی بر اساس سلسله تصاویر ترموگرافی پستان یک فرد جهت استخراج 8 ویژگی مناسب ارائه ‌شد. ویژگی‌های استخراج ‌شده شامل میانگین، انحراف معیار، آنتروپی، کورتوسیس، همگنی، انرژی، اسکوئنس و واریانس است. نتایج: عملکرد ویژگی‌های استخراج‌شده، توسط طبقه‌بندکننده‌های شامل درخت تصمیم، ماشین بردار پشتیبان، تجزیه‌وتحلیل متقارن درجه دوم و الگوریتم K -نزدیک‌ترین همسایگی با استفاده از cross validation ده‌گانه مورد ارزیابی قرار گرفتند. مقادیر دقت و حساسیت به ترتیب، بر اساس الگوریتم‌های درخت تصمیم 99%، 99/33% و ماشین بردار پشتیبان 98/46%، 95/12% و تجزیه‌وتحلیل متقارن درجه دوم 100%، 100‌% و الگوریتم K -نزدیک‌ترین همسایگی 99%، 97/56% به‌دست ‌آمد. نتیجه‌گیری: نتایج نشان داد که از میان ویژگی‌های آماری مرتبه اول، میانگین تفاوت، چولگی، آنتروپی و انحراف استاندارد ویژگی بسیار مؤثری هستند که بیشتر به تشخیص عدم تقارن کمک می‌کنند. ویژگی‌های استخراج‌شده با استفاده از مدل پیشنهادی می‌توانند در طبقه‌بندی افراد سالم و سرطانی در تصاویر حرارتی بسیار کمک ‌کننده باشند. کلید واژه‌ها: مدل دینامیک، ترموگرافی، سرطان پستان، استخراج ویژگی M3 ER -