Studies in Medical Sciences

fa تشخیص سه‌بعدی سرطان پستان با استفاده توأم از روش‌های ماشین بردار پشتیبان و المان محدود 3-D BREAST CANCER DETECTION USING SUPPORT VECTOR MACHINES AND FINITE ELEMENT METHODS آناتومی آناتومی پژوهشي(توصیفی- تحلیلی) Research پیش‌زمینه و هدف: سرطان پستان از نوع گسترده از شایع‌ترین سرطان در زنان جهان است. بنابراین، بسیاری از کشورها به جهت تشخیص سرطان در مراحل اولیه برنامه‌های غربالگری را شروع کرده‌اند. به‌منظور تشخیص سرطان پستان به‌صورت سه‌بعدی با استفاده از بردارهای پشتیبان از فرضیه تشخیص جسم دفن شده استفاده گردیده است. فرستنده‌ها و گیرنده‌ها در قسمت بالای پستان قرار می‌گیرند. هر فرستنده موج الکترومغناطیسی تک‌رنگ را تشعشع می‌کند. تومورها داخل بافت پستان (خروجی) و مقادیر مربوط به میدان الکتریکی جمع‌آوری‌شده توسط گیرنده‌ها (ورودی) می‌باشند.مواد و روش‌‌ها: یک هندسه مسطح پیشنهادی را در نظر بگیرید، به‌طوری‌که در آن یک بیمار به پشت خوابیده و پستان به‌طور طبیعی پهن شده است. بافت سرطانی به‌صورت یک شبکه مشبک سه‌بعدی از سلول‌های طبقه‌بندی‌شده در نظر گرفته می‌شود. به دلیل اینکه بافت پستان را بتوان با درجه بالایی از دقت به‌صورت محیط خطی در نظر گرفت، سیگنال‌های دریافتی در فرکانس تک‌رنگ می‌باشند. اختصاص دادن یک احتمال پسین متعلق به یک بافت بدخیم با در نظر گرفتن میدان الکتریکی مناسب است.بحث و نتیجه‌گیری: نتایج بر روی داده‌های الکترومغناطیسی مرکب از مواد مصنوعی با استفاده از روش المان محدود و روش‌های لایه‌های کاملاً تطبیقی انجام پذیرفته است. همچنین محیط‌های نویزی برای شبیه‌سازی واقعی اندازه‌گیری سیگنال در نظر گرفته شده است. محدوده‌هایی برای پارامترهای مدل با کمترین تعداد بردارهای پشتیبان انتخاب می‌شود. تقریباً تمامی نمونه‌ها در مجموعه آموزش به بردارهای پشتیبان تبدیل می‌شوند. با معیارهای مختلف بهترین مدل انتخاب می‌شود. موقعیت‌های واقعی تومور با مربع‌های سفید برجسته مشخص می‌شوند. وابستگی قابلیت پیش‌بینی در عمق موقعیت تومور قابل‌مشاهده نیست مگر اینکه تومور دقیقاً زیر لایه پوست قرار بگیرد. همچنین باید یادآور شد که منبع تشعشعی منفرد (دوقطبی) در این کار استفاده شده است. احتمالاً تابش حوزه در امتداد محورهای افقی که توسط یک دوقطبی ایجاد می‌شود به میزان کافی همگن نیست لذا منابع تشعشعی چندگانه به‌عنوان روش بالقوه برای افزایش کیفیت پیش‌بینی پیشنهاد می‌گردند. نگاشت‌های احتمالی به‌دست‌آمده حاکی از این است که ناحیه اطراف تومور معمولاً به‌طور واضحی متفاوت از سایر مقادیر احتمالی می‌باشد. Background & Aims: Breast cancer is one of the most prevalent non-skin-related malignancies among women in the world. Thus, many countries have commenced screening test in early stages in order to diagnose breast cancer. Buried object detection is performed in the present work to detect 3-D breast cancer applying SVM classifier. Some transmitters and receivers are located above the breast. Each transmitter radiates monochromatic electromagnetic wave. Materials & Methods: When a patient is positioned in a supine position, the breast is naturally flattened. The breast tissue is considered as 3-D lattice of classification cells. Since breast tissue can be considered with high order of accuracy as a linear medium, the received signals are monochromatic. Results: Some particular ranges of parameters have been covered during model selection. Almost all samples in the training set were converted to support vectors. It is worthy to remind that single radiation source (dipole) has been used for the present work. Conclusion: The simulation has been carried out on synthetic electromagnetic data obtained by means of Finite Element Method and Perfectly Matched Layers techniques. Noisy environments have been considered as well in order to simulate realistic conditions of signal measurement. The real positions of the tumor are marked by white contour squares. The dependence of the prediction quality on the depth of the tumor location is not observable unless the tumor is directly under the skin layer . Probability maps obtained demonstrate that the region around the tumor location usually clearly stands out against the background of overall probability values . SOURCE: URMIA MED J 2014: 25(6): 548 ISSN: 1027-3727 سرطان پستان, موج الکترومغناطیسی, ماشین بردار پشتیبان Breast cancer, Electromagnetic wave, Support vector machine, Finite element method 540 548 http://umj.umsu.ac.ir/browse.php?a_code=A-10-582-502&slc_lang=fa&sid=1 Mahmood Abbasi Layegh محمود عباسی لایق m.abbasilayegh@urmia.ac.ir 3700319475328460010142 3700319475328460010142 Yes Department of Electrical Engineering, Urmia University دانشکده برق و کامپیوتر، دانشگاه ارومیه Changiz Ghobadi چنگیز قبادی 3700319475328460010143 3700319475328460010143 No Department of Electrical Engineering, Urmia University گروه مهندسی برق و مخابرات، دانشکده برق و کامپیوتر، دانشگاه ارومیه Javad Nourinia جواد نوری‌نیا 3700319475328460010144 3700319475328460010144 No Department of Electrical Engineering, Urmia University گروه مهندسی برق و مخابرات، دانشکده برق و کامپیوتر، دانشگاه ارومیه Bahman Muhammadi بهمن محمدی 3700319475328460010145 3700319475328460010145 No Department of Electrical Engineering, Urmia University گروه مهندسی برق و مخابرات، دانشکده برق و کامپیوتر، دانشگاه ارومیه