Εξαγωγή Χαρακτηριστικών Μαστογραφικών Μαζών Και Σύγκριση Της Διακριτικής Τους Ικανότητας Κατά Την Ταξινόμηση Με Χρήση Τεχνικών Μηχανικής Μάθησης

Abstract

Τα τελευταία χρόνια ο καρκίνος του μαστού εξελίσσεται στην κυριότερη αιτία θανάτου για τις γυναίκες παγκοσμίως. Είναι ήδη ο πιο κοινός τύπος καρκίνου για τις γυναίκες. Παρόλα αυτά η έγκαιρη και έγκυρη διάγνωσή του μπορεί να οδηγήσει στην αποτελεσματική του θεραπεία. Η πιο σημαντική ως τώρα μέθοδος διάγνωσης είναι η Μαστογραφία λόγω της αποτελεσματικότητας και αξιοπιστίας της. Ωστόσο, ο εντοπισμός της βλάβης, ο υπολογισμός της πιθανότητας κακοήθειας και η κατηγοριοποίησή της σε καλοήθεια ή κακοήθεια είναι ένα πολύ δύσκολο εγχείρημα ακόμα και για έμπειρους ακτινολόγους. Για τον λόγο αυτό, τα τελευταία χρόνια πολλά συστήματα υποβοηθούμενης διάγνωσης (CADx) αναπτύχθηκαν με σκοπό να βοηθήσουν τους ακτινολόγους στην διάγνωση της ασθένειας.Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη μεθοδολογιών που μπορούν να χρησιμοποιηθούν σε ένα αυτόματο σύστημα υποβοηθούμενης διάγνωσης (CADx) για μάζες που εντοπίζονται σε μαστογραφικές εικόνες. Οι μεθοδολογίες ελέγχονται σε μεγάλο πλήθος μαστογραφιών από τη βάση μαστογραφιών DDSM ώστε να έχουμε όσο το δυνατόν πιο αξιόπιστα αποτελέσματα. Συγκεκριμένα, συγκρίναμε τρεις ομάδες χαρακτηριστικών μαστογραφικών μαζών ως προς τη διακριτική τους ικανότητα στην ταξινόμηση μαζών διαφορετικής πυκνότητας και διακριτικότητας. Παράλληλα, συγκρίναμε τις επιδόσεις τριών από τους πιο δημοφιλείς ταξινομητές, SVM, Νευρωνικό Δίκτυο και ταξινομητή k-NN. Τα αποτελέσματα ήταν ενθαρρυντικά αφού το συνολικό ποσοστό ακρίβειας για τις 1214 Περιοχές Ενδιαφέροντος έφτασε το 72.82% ενώ σε κάποια υποσύνολα το 87.57%.