کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تأثیر فضای رنگ و نگاشت CLBP بر تشخیص سرطان سینه

نویسندگان :

مرجان نمکی¹ مجید اسدی²

1- دانشگاه صنعتی همدان 2- دانشگاه صنعتی همدان

کلمات کلیدی :

سرطان سینه،فضای رنگی LAB،تصاویر هیستوپاتولوژی،استخراج ویژگی CLBP

چکیده :

در این پژوهش، برای بررسی تاثیر عوامل اولیه بر عملکرد مدل‌های تشخیص سرطان سینه در تصاویر هیستوپاتولوژی، دو موضوع مهم مورد بررسی قرار می‌گیرد: نخست تاثیر فضای رنگی بر ویژگی‌های استخراج شده از تصاویر و دقت طبقه‌بندی که بدین منظور استخراج ویژگی در دو فضای رنگی RGB و LAB صورت می‌گیرد . دوم، تمرکز بر الگوریتم CLBP برای بررسی تاثیر نوع نگاشت ویژگی‌ها بر نتایج طبقه‌بند. در همین راستا نگاشت‌های یکنواخت (U2)، مقاوم نسبت به چرخش (RI) و یکنواخت مقاوم به چرخش (RIU2) مقایسه خواهند شد. برخلاف مطالعات پیشین که عمدتا متمرکز بر عملکرد ویژگی‌ها و توصیف‌گرهای مختلف بودند، در این پژوهش ساختار درونی یک توصیف‌گر واحد و نحوه نگاشت آن به‌طور مستقل بررسی شده است. برای ارزیابی از معیارهای صحت، دقت، بازیابی و امتیاز F1 استفاده می‌شود و نتایج ارزیابی برای دو فضای رنگ و سه نگاشت ویژگی با مدل ماشین بردار پشتیبان (SVM) گزارش خواهد شد. ارزیابی نتایج نشان می‌دهد استخراج ویژگی در فضای LAB به همراه نگاشت RIU2 بیشترین تأثیر را در عملکرد مدل دارد که مقادیر دقت آن برای بزرگنمایی‌های 40، 100، 200 و 400 برابر به ترتیب 78%، 82%، 81% و 82% بود. نتایج نشان‌دهنده این است که انتخاب فضای رنگی مناسب و نگاشت بهینه در CLBP می‌تواند به‌طور قابل توجهی دقت تشخیص نوع سرطان را بدون نیاز به افزایش ابعاد ویژگی‌ها یا پیچیدگی مدل بهبود بخشد.