چکیده فارسی :

سرطان پستان یکی از رایج­ ترین عوارض زنان و یکی از عوامل اصلی مرگ و میر در آنها می­ باشد. در صورت تشخیص صحیح و به موقع آن می توان تعداد مرگ و میر را کاهش داد. مهم ترین روش تشخیص این سرطان استفاده از تصاویر ماموگرافی می­ باشد. در برخی از موارد این تشخیص با اشتباه همراه است. در این مقاله از آتوماتای سلولی برای تشخیص سرطان پستان از نوع میکروکلسیفیکیشن (یا رسوب ذرات ریز کلسیم) استفاده شده است. در روش پیشنهادی، تصویر ماموگرافی شخص مشکوک به بیماری با پیش­پردازش به تصویری مطلوب تبدیل می­ شود.سپس به یک شبکه سلولی وارد می­ شود تا آن مرکز خوشه را تعیین نماید. نتایج حاصل از اجرای روش پیشنهادی بر روی پایگاه داده DDSM نشان داد که تشخیص مبتنی بر پیشنهاد داده شده در این مقاله می­ تواند همکار مناسبی برای تشخیص سنتی باشد.

واژه های كلیدی: آتاماتای سلولی، سرطان پستان، میکروکلسیفیکیشن، پیش­پردازش.

چکیده انگلیسی:

Breast cancer is one of the most common conditions as well as one of the most important factors of death among women. If diagnosed correctly and in time, it may cause fewer death tolls. The most important method of diagnosing this type of cancer is using mammography imaging. In some cases, the diagnosis may be incorrect. In the present article, Cellular Automata is used for the diagnosis of breast cancer type micro-calsification (or tiny calcium particle sediments). In this approach the mammography image of the alleged patient is converted to an optimum image through preprocessing. Next, this image is entered into a cellular network to determine its cluster center. The results achieved by this approach on DDSM indicated that diagnosis based on the approach introduced in this article can be a useful combination for the traditional methods.