กำลังโหลดข้อมูล…
Search for a command to run...
ภาพแมมโมแกรมเป็นภาพถ่ายทางรังสีใช้ช่วยในการวินิจฉัยมะเร็งเต้านมและกำหนดขอบเขตในการตัดชิ้นเนื้อพิสูจน์การวิเคราะห์ภาพแมมโมแกรมมีจุดประสงค์เพื่อจำแนกประเภทเนื้องอกในภาพแมมโมแกรมว่าเป็นชนิดอันตรายหรือไม่อันตราย ประโยชน์ของการจำแนกอัตโนมัติจะช่วยรังสีแพทย์ให้วินิจฉัยโรคมะเร็งเต้านมได้ถูกต้อง ในปัจจุบันมีนักวิจัยจำนวนมากพัฒนาประสิทธิภาพของการจำแนกภาพแมมโมแกรมโดยใช้เทคนิควิธีต่าง ๆ ของการประมวลผลภาพร่วมกับเทคนิควิธีการเรียนรู้ของเครื่อง เพื่อเพิ่มความแม่นในการจำแนก การปรับปรุงภาพก่อนการนำไปจำแนกเป็นขั้นตอนที่สำคัญเนื่องจากภาพแมมโมแกรมอาจมีความไม่ชัดเจนหรือมีสัญญาณรบกวนในภาพ ทำให้การจำแนกได้ผลที่ไม่ดีนัก ดังนั้นงานวิจัยนี้จึงเสนอวิธีการปรับปรุงภาพคือการกำจัดสัญญาณรบกวนภายในภาพออกไป แล้วจึงทำการปรับปรุงภาพโดยทำให้ความเข้มสีบริเวณก้อนเนื้อในภาพชัดเจนขึ้น จากนั้นจึงใช้เทคนิคการประมวลผลภาพด้วยวิธีการหาขอบเขตที่น่าสนใจ โดยใช้ขั้นตอนวิธีในการตัดเฉพาะบริเวณก้อนเนื้อในภาพแมมโมแกรมเพื่อนำมาประมวลผล หลังจากได้บริเวณขอบเขตที่สนใจแล้ว ขั้นตอนก่อนการจำแนกอีกขั้นตอนหนึ่งคือการหาลักษณะสำคัญภายในบริเวณขอบเขตที่สนใจ โดยงานวิจัยนี้จะพิจารณาลักษณะสำคัญ 3 ลักษณะ คือ ลักษณะสำคัญของลวดลาย ลักษณะสำคัญของฮิสโตแกรม และ ลักษณะสำคัญของรูปร่าง โดยเฉพาะลักษณะสำคัญของรูปร่างได้มีการเพิ่มชุดข้อมูลต่อท้ายชุดข้อมูลเดิมโดยพิจารณาจากความถี่ของกราฟฮิสโตแกรมของรอยหยักบริเวณเส้นขอบของก้อนเนื้อ และในขั้นตอนสุดท้าย ลักษณะสำคัญทั้ง 3 แบบจะถูกนำไปใช้ในการจำแนก ด้วยเทคนิควิธีในการจำแนกข้อมูลแบบมีผู้สอนที่ชื่อว่าซัพพอร์ตเวกเตอร์แมชชีน โดยใช้ร่วมกับเคอร์เนลฟังก์ชันหลายแบบ งานวิจัยนี้จะเปรียบเทียบประสิทธิภาพการจำแนกระหว่างเทคนิควิธีซัพพอร์ตเวกเตอร์แมชชีนกับเทคนิคการจำแนกอื่น ๆ เช่น โครงข่ายประสาทเทียม และนาอีฟเบย์