fa ارزیابی کمّی الگوریتم‌های شبه رنگی تصاویر ترموگرافی سینه مقالات کامل full articles پژوهشي Research <h1 style="text-align: justify;"><span style="font-size:14px;"><span style="font-family:yekanYW;"><strong>مقدمه : </strong>سرطان سینه یکی از شایع‌ترین بیماری‌ها در بین زنان در سراسر جهان است. یکی از راه‌های موثر برای کاهش خطر مرگ ناشی از سرطان سینه، تشخیص زودهنگام با روش های غربالگری پستان مانند ترموگرافی است. برای درک بهتر بصری، افزایش کیفیت تصویر پزشکی ضروری است. شبه رنگ آمیزی تصاویر حرارتی، تشخیص دقیق‌تری را برای پزشکان فراهم می‌کند.<br> <strong>مواد و روش‌ها: </strong>ما عملکرد هشت الگورتیم شبه رنگی را در تبدیل تصاویر خاکستری به تصاویر رنگی ارزیابی می کنیم. این الگوریتم‌ها&nbsp;عبارتند از نقشه رنگی گرم (HCM)،&nbsp;نقشه رنگی سینوسی (SCM)،&nbsp;نقشه رنگی پیشنهادی زاهدی (ZCM)،نقشه رنگی جِت (JCM)،&nbsp;چهارالگوریتم پیشنهادی توسط صمدزاده اقدم که دو مورد آن در فضای رنگی (HSI) و دو مورد آن در فضای رنگی Lab می‌باشد.&nbsp;ما نتایج را با یکدیگر مقایسه می کنیم. برای ارزیابی از معیارهای میانگین مربعات خطا (MSE)،&nbsp;اختلاف رنگ نرمال شده (NCD)،&nbsp;نسبت پیک سیگنال به نویز (PSNR) و تشابه ساختاری (SSIM) استفاده می‌کنیم.در نهایت، با آنالیز واریانس معنادار بودن اختلافات را می سنجیم.<br> <strong>یافته‌ها:</strong> نتایج نشان می دهد که دو الگوریتم طراحی شده در فضای رنگی HSI طبق معیارهای MSE،PSNR و SSIM&nbsp;نسبت به روش های دیگر برتری دارد.&nbsp;<br> <strong>بحث و نتیجه گیری: </strong>حساسیت چشم انسان به رنگ ها بسیار بیشتر از سطوح خاکستری است. بنابراین، تبدیل ترموگرام های خاکستری به شبه رنگی باعث تجسم بهتر، تفسیر آسان و در نهایت تشخیص درست تر می شود. اگرچه روش های شبه رنگآمیزی متنوعی وجود دارد، معیارهای کمّی و عینی می توانند به انتخاب الگوریتم کارآمد کمک کنند.</span></span></h1> <div style="text-align: justify;"><span style="font-family:Times New Roman;"><span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:107%"><span sans-serif=""><span dir="LTR" style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" times=""><strong>Introduction</strong>: Breast cancer is one of the most common diseases among women in all over the world. One of the effective ways to prevent the risk of death from breast cancer is early detection with thermographic breast screening methods. These images are sometimes provided as grayscale images. It is necessary to increase the quality of medical image for a better visual understanding. Pseudo coloring of thermal images provides physicians with more accurate diagnosis.</span></span></span><br> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" times=""><strong>Methods and Materials:</strong> We evaluate the performance of eight pseudo-color algorithms in converting grayscale images to color images. These algorithms include warm color map (HCM), sinusoidal color map (SCM), proposed Zahedi color map (ZCM), jet color map (JCM), four algorithms proposed by Samadzadehaghdam that two of them are in HSI color space and the other two are in Lab color space. We compare the results with each other quantitatively. For evaluation, we use the measures of mean square error (MSE), normalized color difference (NCD), peak signal-to-noise ratio (PSNR), and structural similarity index metric (SSIM). Finally, we measure the significance of the differences with analysis of variance (ANOVA).</span></span></span><br> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" times=""><strong>Results:</strong> The results show that the two algorithms designed in HSI color space are superior to other methods according to MSE, PSNR, and SSIM criteria.</span></span></span><br> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" times=""><strong>Discussion and Conclusion:</strong> The human eye is much more sensitive to colors than gray levels. Therefore, converting grayscale thermograms to pseudo-colored ones results in better visualization, easy interpretation, and accurate diagnosis. Although there are various pseudo coloring methods, objective and quantitative metrics can help select the efficient algorithm.</span></span></span></span></span></span></span></span></span></div> ترموگرافی, سرطان سینه, تصویر شبه رنگی, معیار کیفیت Thermography, Breast Cancer, Pseudo-Color Image, Quality Measure 1 15 http://jps.ajaums.ac.ir/browse.php?a_code=A-10-649-1&slc_lang=fa&sid=1 Mahdi Baharloo مهدی بهارلو mahdiibaharloo@gmail.com 10031947532846002796 10031947532846002796 No Department of Biomedical Engineering, Faculty of Advanced Medical Sciences, Tabriz University of Medical Sciences, Tabriz, Iran گروه مهندسی پزشکی، دانشکده علوم نوین پزشکی، دانشگاه علوم پزشکی تبریز Nasser Samadzadehaghdam ناصر صمدزاده اقدم nsamadzadeh_a@yahoo.com 10031947532846002797 10031947532846002797 Yes Department of Biomedical Engineering, Faculty of Advanced Medical Sciences, Tabriz University of Medical Sciences, Tabriz, Iran گروه مهندسی پزشکی، دانشکده علوم نوین پزشکی، دانشگاه علوم پزشکی تبریز