‫مجمة جامعة تشرين لمبحوث والدراسات العممية _ سمسمة العموم اليندسية المجمد (‪ )38‬العدد (‪2016 )2‬‬

‫‪Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series Vol. (38) No. (2) 2016‬‬

‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي‬

‫لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫*‬
‫الدكتورة بمســم عيد‬

‫(تاريخ اإليداع ‪ .2015 / 11 / 18‬قُِبل لمنشر في ‪)2016 / 3 /29‬‬

‫‪ ‬مم ّخص‪‬‬
‫ييدف البحث إلى تطوير طريقة جديدة الستخراج وتحديد خصائص وسمات األورام السرطانية في صور المرنان‬
‫‪,‬تم في البداية االعتماد عمى إحدى‬ ‫المغناطيسي لمثدي باإلعتماد خوارزميات العنقدة ومعالجة الصور الرقمية‬
‫خوارزميات العنقدة في تجزئة الصورة و تجميع عناصرىا وفققيم السويات الرمادية ومن ثم تم تطبيق العمميات‬
‫المورفولوجية وذلك لمتخمص من الضجيج وحذف المعمومات غير المرغوبة و بالتالي استخراج المنطقة المشبوىة وأخي اًر‬
‫الشكمية والتي يمكن ان تكون مفيدة في تشخيص المنطقة المشبوىة المستخرجة‬ ‫تم استخالص بعض الواصفات‬
‫‪,‬استخدمت قاعدة بيانات مكونة من ‪ 96‬صورة من صور المرنان المغناطيسي لمثدي وتم تطبيق الطريقة المقترحة عمييا‬
‫باستخدام برنامج الماتالب حيث تم استخراج المناطق الورمية من ىذه الصور ومقارنتيا مع أري األطباء‪.‬‬

‫صور المرنان‬ ‫الكممات المفتاحية‪ :‬السرطان ‪ ,‬معالجة الصورة ‪,‬خوارزميات العنقدة ‪ ,‬العمميات المورفولوجية ‪,‬‬
‫المغناطيسي ‪ ,‬استخراج األورام ‪.‬‬

‫*مدرسة ‪ -‬قسم ىندسة الحاسبات والتحكم اآللي –كمية اليندسة الميكانيكية والكيربائية –جامعة تشرين‪-‬الالذقية –سورية ‪.‬‬

‫‪79‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

2016 )2( ‫) العدد‬38( ‫مجمة جامعة تشرين لمبحوث والدراسات العممية _ سمسمة العموم اليندسية المجمد‬
Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series Vol. (38) No. (2) 2016

Breast tumors extraction and features detection in breast

magnetic resonance images using clustering and image
processing algorithms

Dr. Balsam Eid*

(Received 18 / 11 / 2015. Accepted 29 / 3 / 2016)

ABSTRACT 
This research aims to developing new method for breast tumors extraction and
features detection in breast magnetic resonance images by depending on clusteringand
image processing algorithms. At the beginning, one of clustering algorithms was used for
image segmentation and grouping pixels by their gray scale values. Then morphological
operations were implemented in order to remove noise and undesired regions, after that
suspected areas were extracted. Finally some shape features for extracted area were
detected, this features could be very useful for tumors diagnosis. A database consisted of
96breast magnetic resonance images were used and proposed approach was appliedby
MATLAB program, and we obtainedbreast tumors extraction and its features and
compared them with the doctor's opinion .

Key Words: Cancer, Image processing, clustering algorithms, morphological operations,

magnetic resonance images, tumors extraction.

*
Professor assistant, Department of Computers and Automatic Control Engineering, Faculty of
Mechanical and Electrical Engineering, Lattakia, Syria.

80
‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫مقدمـة ‪:‬‬
‫تطور عمم الذكاء الصنعي ليشمل مختمف مجاالت الحياةواليندسة في القرن الحادي والعشرين‪ .‬لقد حصمت‬
‫تغيرات جذرية في مجاالت عديدة كالتصوير الطبي و معرفة نوع الجنين و كذلك عمميات التشخيص اآللي لمصور‬
‫الطبية كصور االشعة السينية وصور المرنان المغناطيسي‪ .‬يعد سرطان الثدي من اكثر األمراض انتشا اًر لدى النساء‬
‫مسبباً عدداً كبي اًر من الوفيات سنوياً ويتطمب اتخاذ قرار عالجي كاستئصال كتل ورمية من الثدي المعرفة المسبقة‬
‫والدقيقة بمواصفات وأبعاد ىذه الكتل ‪ ,‬لذلك كان البد من العمل عمى تطوير طرق جديدة آلية الستخراج ىذه األورام‬
‫وتحديد خصائصيا ‪ .‬يقدم البحث مخب اًر افتراضياً لتحميل صور المرنان المغناطيسي لمثدي باستخدام عمميات معالجة‬
‫الصور الرقمية وتطير برنامج يقوم بإجراء عمميات المعالجة األساسية التي تتيح توصيف الصور واستخراج خصائصيا‬
‫وسماتيا واستخالص المعمومات اليامة منيا كخطوة أولى في عممية تشخيصيا حيث يتكون نظام االستخالص اآللي‬
‫لألورام السرطانية من عدة خطوات‪ ,‬يتم في البداية ادخال صورة المرنان المغناطيسي لمثدي ثم تحويميا إلى شكل‬
‫البيانات المستخدم في الماتالب بعدىا يتم تطبيق خوارزمية العنقدة ‪ Fuzzy c means‬لتجزئة الصورة ومن ثم يتم‬
‫إجراء العمميات المورفولوجية لمتخمص من المناطق الغير مرغوبة وتحديد الواصفات والسمات لممنطقة المستخرجة‪.‬تم بناء‬
‫الخوارزميات المستخدمة باستخدام برنامج الماتالب ‪.‬‬

‫أىمية البحث وأىدافو‪:‬‬

‫نظ اًر لألىمية الكبرى التي بمغيا عمم الذكاء الصنعي في المجاالت الطبية ونتيجة االعتماد الكبير عمى تحميل‬
‫استخالص األورام‬ ‫معطيات الصور في األنظمة الذكية التي أصبحت ىذه األيام واسعة االنتشار فقد كانت عممية‬
‫المجال الذي تم اختياره والعمل عمى تطويره بيدف‬ ‫السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي ىي‬
‫تييئة الركائز األولية لموصول إلى مستوى جيد من فيم معطيات الصور وتحميميا واستخالص المعمومات منيا ومن ثم‬
‫تقديميا إلى الطبيب لمساعدتو في الوصول إلى التشخيص السميم ‪.‬‬

‫طرائق البحث ومواده ‪:‬‬

‫استخالص األورام السرطانية وتحديد واصفاتيا من صور المرنان المغناطيسي‬ ‫يتم في الطريقة المقترحة‬
‫‪Fuzzy C means‬بغاية تجزئة الصورة المدخمة ومن ثم إجراء‬ ‫باستخدام احدى خوارزميات العنقدة وىي خوارزمية‬
‫عدة عمميات من عمميات معالجة الصورة حيث يتم التخمص من الضجيج المرافق لمصور باستخدام بعض العمميات‬
‫المورفولوجية‪.‬تم تطبيق النظام عمى ‪ 60‬صورة رنين مغناطيسي لمثدي تم الحصول عمييا من قاعدة بيانات المعيد‬
‫العالمي لمسرطان في الواليات المتحدة األميركية ]‪.National Cancer Institute[23‬‬
‫‪ 1‬العمميات المورفولوجية)‪:(Morphological operations‬‬
‫تشير كممة مورفولوجيا أو ما تسمى باليندسة الصورية بشكل عام إلى الفرع من عموم األحياء الذي يعنى بدراسة‬
‫شكل وبنية الحيوانات والنباتات ونستخدم ىنا الكممة ذاتيا عند الحديث عن المورفولوجيا الرياضية المطبقة عمى الصور‬
‫‪ 1964‬و التي ليا فائدة كبيرة في تقديم‬ ‫الرقمية كأداة الستخراج عناصر الصورة وقد نشأت ىذه الدراسة في عام‬
‫ووصف شكل منطقة كانتزاع الحدود والتخمص من الضجيج واستخالص األماكن الميمة وكذلك تمييز األجسام‬

‫‪81‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫المحدبةوغيرىا وبالتالي فإن لغة المورفولوجيا الصورية تستخدم مجموعة من العمميات والنظريات إلعادة تشكيل األجسام‬
‫في الصورة ‪ .‬وسيتم استخداميا في البحث في عممية استخالص المعمومات الضرورية من الصور وكذلك التخمص من‬
‫الضجيج وحذف المعمومات غير الضروريةومن عمميات المورفولوجية المستخدمة التآكل والتمدد والفتح واإلغالق]‪. [12‬‬
‫‪ ‬عممية الفتح )‪ :(opening‬وىي عبارة عن إجراء عممية تآكل لمصورة ‪ A‬بواسطة قناع ‪ B‬ومن ثم إجراء عممية‬
‫توسع لمناتج بواسطة نفس القناع‬

‫‪ ‬عممية االغالق )‪ :(closing‬وىي عبارة عن إجراء عممية توسع لمصورة ‪ A‬بواسطة قناع ‪ B‬ومن ثم إجراء‬
‫عممية تآكل لمناتج بواسطة نفس القناع‬

‫‪ 2‬خوارزميات العنقدة (‪:[10] (Clustering algorithms‬‬

‫عنقدة البيانات ىي عممية وضع البياناتفي مجموعات متماثمة ]‪ .[11‬بحيث تكون البيانات في المجموعة الواحدة‬
‫متشابية بالنسبة لعدة خصائص محددة ‪ ,‬ومختمفة عن البيانات في المجموعات األخرى بالنسبة ليذه الخصائص ‪.‬عند‬
‫تطبيق ىذا التعريف عمى الصورة ‪ ,‬فإن طرائق العنقدة المختمفة يمكن أن تستخدم في عمميات تجزيء الصورة لتقسيم‬
‫عناصرىا ضمن مجموعات بحيث تكون عناصرىا ضمن المجموعة الواحدة متشابية فيما بينيا بالنسبة لعدد من‬
‫الخصائص مثل المون أو السوية الرمادية‪ .‬تقسم العنقدة مجموعة من البيانات إلى عدة مجموعات بحيث أن التشابو بين‬
‫النقاط ضمن مجموعة معينة أكبر من التشابو بين نقطتين ضمن مجموعتين مختمفتين‪ .‬تستخدم العنقدة عمى نطاق واسع‬
‫]‪ .[10‬حيث إنو إذا كان‬ ‫وليس فقط لتنظيم البيانات وتصنيفيا وانما ىي مفيدة لضغط البيانات وبناء نموذج ترتيبيا‬
‫بإمكاننا أن نجد مجموعات من البيانات‪ ,‬فإنو باإلمكان بناء نموذج لممشكمة عمى أساس تمك المجموعات ‪.‬ىناك عدد من‬
‫الخوارزميات المستخدمة في عممية عنقدة البيانات‪ ,‬ومن ىذه الخوارزميات ‪:‬‬
‫‪K-means Clustering ‬‬
‫‪Fuzzy C-means Clustering ‬‬
‫‪ 1-2‬العنقدة باستخدام خوارزمية)‪: (Fuzzy C-means Clustering‬‬
‫ىي عبارة عن خوارزمية تك اررية تقوم بتقسيم البيانات ضمن مجموعات وذلك باالعتماد عمى مفيوم العضوية‬
‫‪K-Means‬‬ ‫الضبابية]‪ .[11‬فعوضاً عن أن يتم إسناد كل صورة إلى مجموعة واحدة كما ىو الحال في خوارزمية‬
‫‪ Clustering‬فإن كل عنصر صورة سوف يممك قيماً عضوية مختمفة بالنسبة لكل مجموعة من المجموعات وبالتالي‬
‫فإن العناصر التي تقع في منتصف المجموعة تممك قيماً عضوية أكبر من العناصر التي تقع عمى حواف المجموعة‪.‬‬
‫تحاول خوارزمية الـ ‪ FCM‬أن تحدد المجموعات ضمن البيانات من خالل الحصول عمى أصغر قيمة لمتابع الموضح‬
‫ضمن المعادلة اآلتية ‪:‬‬
‫(‪)1‬‬
‫حيث ‪:‬‬
‫‪:J‬اليدف ‪ ,‬إذا كانت قيمتو بعد أحد التك اررات (تكرار تنفيذ خطوات الخوارزمية) أقل منيا في التكرار السابق‬
‫فيذا يعني أن الخوارزمية قد اقتربت بشكل كبير من تحقيق فصل جيد لعناصر الصورة ضمن المجموعات المختمفة‪.‬‬
‫‪ :n‬عدد نقاط البيانات‪.‬‬

‫‪82‬‬
‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫وكمما اقتربت قيمتو من الواحد تصبح عممية تجميع‬ ‫‪ : m‬عامل يحدد درجة الضبابية وقيمتو‬
‫البيانات أقل عشوائية بحيث تصبح نقطة البيانات منتمية إلى مجموعة واحدة فقط وبالمقابل كمما اقتربت قيمة ىذا‬
‫العامل من الالنياية أصبحت عممية تجميع البيانات أكثر عشوائية بحيث تصبح كل نقطة بيانات منتمية إلى كل‬
‫مجموعة من المجموعات‪ .‬وقد تم تنفيذ عديد من الدراسات حول اختبار قيمة ىذا العامل وتبين أن القيمة األفضل ليذا‬
‫العامل تقع عادة في المجال ]‪ [1.5 , 2.5‬ومن المحتمل أن القيمة ‪ 2‬ىي القيمة األفضل ضمن ىذا المجال ‪.‬‬
‫‪ : U‬جدول العضوية‪ ,‬وىو عبارة عن جدول مؤلف من قيم العضوية لكل عنصر من عناصر الصورة بالنسبة‬
‫يحدد درجة انتماء العنصر ‪Xj‬إلى المجموعة ذات الدليل ‪. i‬‬ ‫لممجموعات أي إن‬
‫‪ ,‬يتم تحديده قبل تنفيذ الخوارزمية بناء عمى‬ ‫‪ : c‬عدد المجموعات المستخدمة في الخوارزمية‬
‫‪.‬‬ ‫المعرفة المسبقة‪ .‬حيث ‪ C‬ىي مصفوفة مراكز المجموعات‬

‫(‪)2‬‬

‫‪ :‬درجة العضوية (االنتماء إلى المجموعة ) تتعمق بمقموب المسافة إلى مركز المجموعة‪ ,‬وتعطى من‬
‫خالل المعادلة اآلتية ‪:‬‬

‫(‪)3‬‬

‫حيث ‪:‬‬

‫خطوات الخوارزمية ‪:‬‬

‫الخطوة األولى ‪ :‬إعطاء قيم عشوائية لعناصر مصفوفة العضوية‬
‫الخطوة الثانية ‪:‬حساب مراكز المجموعات من خالل المعادلة (‪. )4-3‬‬
‫الخطوة الثالثة ‪:‬حساب التباين بين نقاط البيانات ومراكز المجموعات باستخدام المعادلة ( ‪ )3-3‬ونتوقف إذا‬
‫‪.‬‬ ‫كانت قيمة التحسن عن الدورة السابقة أصغر من عتبة التحسن‬
‫أي عندما ‪:‬‬
‫جديدة من خالل المعادلة ( ‪ )5‬وتكرار الخطوات من ‪ 2‬إلى ‪. 4‬وكمما اقترب فرق‬ ‫الخطوة الرابعة ‪:‬حساب‬
‫نكون قد اقتربنا من التوزيع األمثل لمراكز المجموعات وأصبحت النقاط البعيدة عن كل‬ ‫التحسن من قيمة الثابت‬
‫مركز أقل تأثي اًر بسبب درجة العضوية التي تتناسب عكساً مع البعد عن المركز وبالتالي فإن الفرق بين تنفيذ الخطوات‬
‫يتناقص ‪.‬‬

‫‪83‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫‪ -3‬الواصفات والسمات التي تم استخراجيا لممناطق الورمية ‪:‬‬

‫ىناك العديد من الوصفات الشكمية لممناطق الورمية وتم استخراج البعض من الواصفات والسمات الشكمية‬
‫والرياضية لممناطق الورمية وىي ‪:‬‬

‫الجدول(‪ )1‬الواصفات المستخرجة لممنطقة الورمية‬

‫التوصيف‬ ‫السمة المستخرجة‬
‫مساحة المنطقة الورمية المكتشفة‬ ‫الحجم ( ‪) area‬‬
‫إحداثيات مركز المنطقة الورمية‬ ‫المركز (‪) Centroid‬‬
‫توجو المنطقة الورمية ودرجة انحنائيا بالنسبة لمحاور اإلحداثيات‬ ‫التوجو (‪) Orientation‬‬
‫مصفوفة توضح إحداثيات الزوايا الحدية‬ ‫مصفوفة النقاط الحدية (ُ ‪)Extrema‬‬
‫عدد البيكسالت في المنطقة المكتشفة الممموءة‬ ‫مساحة المنطقة الممموءة (‪)FilledArea‬‬
‫مصفوفة توضح المنطقة المحدبة المحيطة بالورم‬ ‫مصفوفة أصغر منطقة محدبة (‪)ConvexHull‬‬

‫النتائج والمناقشة ‪:‬‬

‫تم في ىذه الدراسة اقتراح طريقة الستخالص األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي‬
‫باستخدام خوارزميات معالجة الصورة ومن ثم سيتم تقييم األداءو مطابقة النتائج مع آراء االطباء في قاعدة الببانات‬
‫المستخدمة و تقييم النتائج‪.‬‬
‫والمخطط الصندوقي التالي يبين مراحل العمل ‪:‬‬

‫‪ -1-4‬إدخال صورة المرنان المغناطيسي ‪:‬‬

‫‪ double‬لكي يتم تحويل الصورة إلى شكل بيانات‬ ‫يتم إدخال صورة المرنان المغناطيسي وتحويميا إلى النمط‬
‫يمكن إجراء عممية العنقدة عميو ويبين الشكل(‪ )1‬صورة رنين مغناطيسي لمثدي ويظير في الصورة ورم في الثدي األيمن‬
‫عمى شكل منطقة بيضاء ليا قيم تدرج رمادي مرتفعة بالنسبة لبقية قيم التدرج الرمادي في الصورة‪.‬‬

‫‪84‬‬
‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫الشكل (‪ )1‬صورة المرنان المغناطيسي المدخمة‬

‫‪-2‬تطبيق خوارزمية العنقدة ‪:(Fuzzy c means ( FCM‬‬

‫تتضمن صورة المرنان المغناطيسي المدخمة المناطق المريبة التي يجب استخالصيا من أجل تحميميا واعطاء‬
‫التشخيص المناسب ليا‪ ,‬وتعد ىذه العممية عممية صعبة نظ اًر لطبيعة ىذه المناطق المريبة من حيث الشكل‪ .‬وبالنظر‬
‫إلى مجموعة عناصر الصورة عمى أنيا مجموعة من البيانات التي تشترك فييا كل مجموعة من العناصر مع بعضيا‬
‫البعض بخصائص معينة ( قيم السويات الرمادية ) يمكن استخدام خوارزميات تجميع البيانات من أجل تجميع عناصر‬
‫المجموعة الواحدة مع بعضيا البعض وتختمف مع عناصر المجموعات األخرى‪ .‬تعد خوارزمية ‪ FCM‬أىم خوارزميات‬
‫تجميع البيانات التي تستخدم في مجال معالجة الصور الطبية‪ .‬و ال تعتمد عمى قيم عتبات ثابتة لمسويات الرمادية بل‬
‫يتم التعامل مع كل حالة عمى حدى‪ .‬مما يعطي نتائج جيدة نتيجة وجود تباين في قيم السويات الرمادية لمصور الطبية‬
‫ناتج عن عوامل عدة مثل بارامترات عممية التصوير والمواصفات الجسمية لممريض ‪.‬‬
‫تتوقف عممية التوزيع عندما يتجاوز عدد التك اررات العدد األعظمي المسموح بو أو عندما تكون قيمة التحسن‬
‫بنتيجة التابع ( الفرق بين قيمتي التابع في تك اررين متعاقبين ) أصغر من القيمة األصغرية المسموح بيا‪.‬لتطبيق ‪FCM‬‬
‫عمى صورة المرنان المغناطيسي المبينة في الشكل ( ‪ )1‬تم اختيار عدد المجموعات يساوي ‪ 3‬أي إن ‪,Cluster_n=3‬‬
‫وتم تحديد القيمة األصغرية لمتحسن ‪, Improvement value = 1e-5 :‬أما العدد األعظمي لمتك اررات فتم تحديده‬
‫‪ FCM‬عمى صورة المرنان المغناطيسي المبينة في‬ ‫‪ , Iteration=100‬والجدول )‪ (4‬يبين نتائج تنفيذ التابع‬
‫الشكل ( ‪ .)1‬استغرق تنفيذ التابع ‪FCM‬زمناً قدره ‪ 20.287553‬ثانية وبطبيعة الحال سيتناسب زمن التنفيذ طرداً مع‬
‫عدد التك اررات وعكساً مع سرعة المعالج المستخدم‪.‬ويبين الجدول ( ‪ )4‬أن قيمة التحسن بمغت في التكرار رقم ‪ 39‬قيمة‬
‫أصغر من القيمة األصغرية المسموح بيا وبالتالي سوف تتوقف الخوارزمية عند ىذا التكرار‪ .‬ويبين الشكل )‪ (2‬مخططاً‬
‫بيانياً لقيم تابع التكمفة خالل تكرار تنفيذ خطوات تابع ‪.FCM‬‬

‫‪85‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫الشكل (‪ )2‬مخطط بياني يبين قيم تابع التكمفة خالل تكرار تنفيذ خطوات تابع ‪FC‬‬

‫الجدول ( ‪ )2‬قيم تابع التكمفة وقيم التحسن خالل تك اررات التابع ‪FCM‬‬
‫قيمة التحسن‬ ‫قيمة تابع التكمفة‬ ‫رقم التكرار‬
‫‪Improvement Value‬‬ ‫‪Cost Function‬‬ ‫‪Iteration count‬‬
‫‪4384.319917‬‬ ‫‪1‬‬
‫‪984.119698‬‬ ‫‪3400.200219‬‬ ‫‪2‬‬
‫‪0.222974‬‬ ‫‪3399.977245‬‬ ‫‪3‬‬
‫‪3.225346‬‬ ‫‪3396.751899‬‬ ‫‪4‬‬
‫‪39.896322‬‬ ‫‪3356.855577‬‬ ‫‪5‬‬
‫‪286.897122‬‬ ‫‪3069.958455‬‬ ‫‪6‬‬
‫‪586.958796‬‬ ‫‪2482.999659‬‬ ‫‪7‬‬
‫‪441.548547‬‬ ‫‪2041.451112‬‬ ‫‪8‬‬
‫‪391.897615‬‬ ‫‪1649.553497‬‬ ‫‪9‬‬
‫‪315.576392‬‬ ‫‪1333.977105‬‬ ‫‪10‬‬
‫‪205.252983‬‬ ‫‪1128.724122‬‬ ‫‪11‬‬
‫‪115.981985‬‬ ‫‪1012.742137‬‬ ‫‪12‬‬
‫‪56.237665‬‬ ‫‪956.504472‬‬ ‫‪13‬‬
‫‪24.577785‬‬ ‫‪931.926687‬‬ ‫‪14‬‬
‫‪10.787558‬‬ ‫‪921.139129‬‬ ‫‪15‬‬

‫‪86‬‬
‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫‪5.107485‬‬ ‫‪916.031644‬‬ ‫‪16‬‬

‫‪2.605701‬‬ ‫‪913.425943‬‬ ‫‪17‬‬
‫‪1.388664‬‬ ‫‪912.037279‬‬ ‫‪18‬‬
‫‪0.754574‬‬ ‫‪911.282705‬‬ ‫‪19‬‬
‫‪0.413064‬‬ ‫‪910.869641‬‬ ‫‪20‬‬
‫‪0.226691‬‬ ‫‪910.64295‬‬ ‫‪21‬‬
‫‪0.124505‬‬ ‫‪910.518445‬‬ ‫‪22‬‬
‫‪0.068395‬‬ ‫‪910.45005‬‬ ‫‪23‬‬
‫‪0.037572‬‬ ‫‪910.412478‬‬ ‫‪24‬‬
‫‪0.02064‬‬ ‫‪910.391838‬‬ ‫‪25‬‬
‫‪0.011338‬‬ ‫‪910.3805‬‬ ‫‪26‬‬
‫‪0.006228‬‬ ‫‪910.374272‬‬ ‫‪27‬‬
‫‪0.003421‬‬ ‫‪910.370851‬‬ ‫‪28‬‬
‫‪0.001879‬‬ ‫‪910.368972‬‬ ‫‪29‬‬
‫‪0.001032‬‬ ‫‪910.36794‬‬ ‫‪30‬‬
‫‪0.000567‬‬ ‫‪910.367373‬‬ ‫‪31‬‬
‫‪-6.8E-05‬‬ ‫‪910.367441‬‬ ‫‪32‬‬
‫‪0.000342‬‬ ‫‪910.367099‬‬ ‫‪33‬‬
‫‪0.000188‬‬ ‫‪910.366911‬‬ ‫‪34‬‬
‫‪0.000103‬‬ ‫‪910.366808‬‬ ‫‪35‬‬
‫‪5.7E-05‬‬ ‫‪910.366751‬‬ ‫‪36‬‬
‫‪3.1E-05‬‬ ‫‪910.36672‬‬ ‫‪37‬‬
‫‪1.7E-05‬‬ ‫‪910.366703‬‬ ‫‪38‬‬
‫‪1E-05‬‬ ‫‪910.366693‬‬ ‫‪39‬‬
‫يبين الجدول (‪ )3‬مصفوفة مراكز المجموعات الناتجة عن تطبيق التابع ‪:FCM‬‬

‫‪Center 1‬‬ ‫‪0.8026‬‬ ‫‪0.8034‬‬ ‫‪0.8021‬‬

‫‪Center 2‬‬ ‫‪0.1803‬‬ ‫‪0.1803‬‬ ‫‪0.1803‬‬

‫‪Center 3‬‬ ‫‪0.3455‬‬ ‫‪0.3455‬‬ ‫‪0.3455‬‬

‫‪ FCM‬عمى صورة المرنان المغناطيسي المبينة في الشكل ( ‪ )1‬سينتج‬ ‫بعد تطبيق العنقدة باستخدام تابع الـ‬
‫ثالث مجموعات من العناصر ‪ ,‬نعيد تشكيل كل مجموعة عمى حدة لتعطي جزءاً محدداً من الصورة األصمية ‪ ,‬ونجد‬
‫أن إحدى المجموعات ستمثل خاليا المناطق المريبة ويتم تحديدىا باالعتماد عمى القيمة العظمى لمسويات الرمادية في‬

‫‪87‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫كل مجموعة حيث ستكون ىي المجموعة ذات القيمة العظمى لمسويات الرمادية بالنسبة لمتوسط السويات الرمادية في‬
‫المجوعات الثالث والشكل ( ‪ )3‬يوضح صورة المناطق المريبة بعد فحص المجموعات الثالث الناتجة عن تطبيق تابع‬
‫الـ ‪.FCM‬‬

‫الشكل (‪ )3‬صورة المجموعة التي تمثل مناطق الخاليا المريبة‬

‫إجراء العمميات المورفولوجية لمتخمص من الضجيج وعزل المنطقة المشبوىة ‪:‬‬ ‫‪2‬‬
‫‪- 4‬‬
‫‪ )3‬وجود مناطق غير‬ ‫بعد الحصول عمى الصورة التي تتضمن منطقة العناصر المريبة نمحظ من الشكل (‬
‫مرغوبة في الصورة إلى جانب المناطق المريبة والتي بقيت بسبب التقارب الحاصل بين قيم السويات الرمادية الخاصة‬
‫بيا وقيم السويات الرمادية لممناطق المريبة كما نمحظ داخل المناطق المكتشفة وجود تدرجات رمادية ذات قيم مختفة‬
‫ولمتخمص من ىذه التدرجات الرمادية نقوم بتحويل الصورة الي الشكل الثنائي وبالتالي نحصل عمى صورة ثنائية خالية‬
‫من التدرجات الرمادية كما في الشكل (‪.)4‬‬

‫الشكل(‪ )4‬صورة المرنان بعد تحويميا إلى الشكل الثنائي‬

‫يختمف تأثير وجود ىذه المناطق باختالف الطريقة المتبعة في عممية التحميل والتشخيص النيائية لممناطق‬
‫المريبة ‪ .‬بحيث يمكن القول إن بعض ىذه الطرائق يمكن أن تحمل ىذه المناطق غير المرغوبة وتعطي نتائج سمبية ليا‬
‫وبالتالي يتم استثناؤىا من التشخيص النيائي‪ .‬ولكن من أجل زيادة فعالية خوارزمية استخالص المناطق المريبة يمكن‬
‫تطبيق معايير عدة لمحاولة التخمص قدر اإلمكان من ىذه األجزاء مع األخذ بعين االعتبار أن تطبيق ىذه المعايير‬
‫يجب أن يكون دقيقاً ومحسوب النتائج من أجل عدم التأثير عمى دقة النتائج كأن يؤدي تطبيق أحد ىذه المعايير عمى‬
‫سبيل المثال إلى حذف منطقة مريبة من الصورة إلى جانب مناطق غير مرغوبة‪ ,‬ويعد معيار المساحة أحد ىذه‬

‫‪88‬‬
‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫المعايير التي يتم تطبيقيا عمى مركبات الصورة لمتخمص من المناطق غير المرغوبة ‪ .‬بحيث يتم تحديد مساحة معيارية‬
‫ويتم حذف كل مركبة من مركبات الصورة مساحتيا أصغر من المساحة المحددة ‪ .‬أي إن شرط حذف المناطق في‬
‫الصورة ىو‪:‬‬
‫مساحة المنطقة المتصمة> المساحة المعيارية‬
‫يعتبر ىذا المعيار معيا اًر سيل التطبيق ويعطي نتائج جيدة عند استخالص مناطق مريبة ذات مساحات معروفة‬
‫أو متوقعة‪ .‬أما في حالة عدم معرفة مساحات المناطق المريبة فإن تطبيقو قد يؤدي إلى حذف منطقة مريبة ميمة ذات‬
‫مساحة صغيرة ‪ ,‬األمر الذي ينعكس بشكل خاطئ عمى نتيجة التشخيص النيائي ‪.‬‬
‫ومن أجل تطبيق ىذا المعيار عمى صورة المناطق المريبة المستخمصة نقوم بتطبيق عممية ‪ Opening‬حيث يتم‬
‫قطع االتصاالت بين المناطق المتشكمة‪ .‬تصبح الصورة تتكون من عدد محدود من المناطق والمساحات ومن أجل‬
‫تطبيق شرط حذف المناطق الصغيرة يجب تحديد قيمة المساحة المعيارية لممناطق المريبة‪.‬‬
‫بعد تحميل مساحات المناطق المريبة في عديد من صور المرنان المغناطيسي لمثدي تم استنتاج قيمة مساحة‬
‫معيارية ثابتة تم تطبيقيا عمى الصور جميعيا‪ ,‬وبافتراض أن قيمة المساحة المعيارية ىي ‪ 80‬بيكسل والتي تم تحديدىا‬
‫تجريبياً يصبح شرط حذف المناطق عمى الشكل اآلتي ‪:‬‬
‫مساحة المنطقة المتصمة > ‪80‬‬
‫نقوم بالتخمص من المناطق (األجزاء) ذات المساحات الصغيرة جداً بالمقارنة مع مساحات المناطق المريبة التي‬
‫نريد استخالصيا وذلك من خالل تحويميا إلى صورة ثنائية و تطبيق العممية المورفولوجية (الفتح) حيث تقوم بحذف‬
‫المناطق المتصمة جميعيا ذات المساحات الصغيرة جداً بالمقارنة مع مساحات المناطق المريبة‬
‫)‪ (1‬بعد حذف المناطق‬ ‫ويبين الشكل ( ‪ )5‬المنطقة الورمية المستخرجة من الصورة البيانية المبينة في الشكل‬
‫غير المغوبة مقارنة مع المناطق المشبوىة‪.‬‬

‫الشكل (‪ )5‬المنطقة المشبوىة المكتشفة‬

‫يوضح الجدول التالي المناطق المكتشفة بالنسبة لبعض صور قاعدة البيانات مع االخذ بعين االعتبار انتقاء‬
‫صور لحاالت متنوعة كاورام غير واضحة الحدود وصور تحتوي عمى مكونات تجميمية لتكبير الصد و صور تتضمن‬
‫أوردة وشرايين واوردة و اقنية لبنية و صور سميمة وتم التعميق والمناقشة بعد عرض الحاالت‪:‬‬

‫‪89‬‬
 ‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫رأي الطبيب‬ ‫رقم الصورة‬

‫المختص‬ ‫المنطقة المكتشفة‬ ‫صورة المرنان المغناطيسي‬ ‫من قاعدة‬
‫البيانات‬
‫مطابق‬
‫(يوجد ورم وعزلو‬
‫‪5‬‬
‫عن االقنية المبنية)‬

‫مطابق‬
‫)يوجد ورم)‬
‫‪7‬‬

‫مطابق‬
‫)يوجد ورم)‬
‫‪13‬‬

‫مطابق‬
‫(تم تحديد الورم مع‬
‫‪19‬‬
‫اىمال قطع تكبير‬
‫الصدر التجميمية)‬

‫مطابق‬
‫)يوجد ورم)‬
‫‪23‬‬

‫مطابق‬
‫)يوجد ورم حمقي)‬
‫‪52‬‬

‫مطابق‬
‫)يوجد ورم)‬
‫‪57‬‬

‫‪90‬‬
 ‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫مطابق‬
‫)يوجد ورم)‬
‫‪70‬‬

‫مطابق‬
‫يوجد ورم رغم‬
‫‪88‬‬
‫)الضجيج العالي)‬

‫مطابق‬
‫(سميم ال يوجد ورم)‬
‫‪90‬‬

‫مناقشة النتائج باالعتماد عمى الجدول (‪:)4‬‬

‫نجد أن النظام أظير فاعمية في استخراج المناطق الورمية عمى اختالف الحاالت المقدمة لو حيث تمكن من‬
‫عزل المناطق الورمية في الصور التي تتضمن أوردة وشرايين دموية وأقنية لبنية عمى الرغم من أن ليا السويات‬
‫الرمادية نفسيا لممناطق الورمية كما في الصور ( ‪ 5‬و‪.)7‬‬
‫كما نجح في استخراج األورام وتمييزىا في الصور التي ظيرت فييا أعضاء أخرى من الجسم باإلضافة لمثدي‬
‫كما في الصور (‪57‬و‪ )70‬وكذلك في الصور التي تحتوي عمى مكونات لتكبير الصدر كما في الصورة (‪.)19‬‬
‫كما نجح النظام في اكتشاف األورام في الصور غير الواضحة التي تحوي عمى نسبة ضجيج عالية كما في‬
‫الصورة (‪ )88‬وفي الصور التي تحتوي أوراماً غير واضحة ومبيمة الحدود كما في الصورة (‪.)13‬‬
‫‪ )13‬حيث نمحظ‬ ‫وقد نجح النظام في عدم استخراج المناطق التي التعتبر تكتالت ورمية كما في الصورة (‬
‫وجود كيسة في الثدي األيسر ولم يتم عزليا واعتبارىا كتمة ورمية وكذلك في الصورة ( ‪ )23‬التي تحتوي أنسجة ضامة‬
‫وغدية ظيرت بسويات رمادية مرتفعة وقريبة من السويات لممناطق الورمية‪ .‬وقد نجح النظام أيضاً في عدم استخراج أي‬
‫منطقة في الصور السميمة التي التحتوي عمى مناطق ورمية كما في الصورة ( ‪ .)90‬كما في الصورة ( ‪ )52‬التي تحتوي‬
‫عمى ورم من النوع الحمقي ‪.‬‬
‫تحديد الواصفات والسمات لممنطقة المستخرجة ‪:‬‬ ‫‪3‬‬
‫‪- 4‬‬
‫بعد عزل المنطقة المشبوىة تم استخالص الواصفات (السمات) ليا والتي يمكن استخداميا في عممية‬
‫‪ )6‬السمات والواصفات‬ ‫التشخيص والتمييز بين األورام الحميدة والخبيثة قي مراحل عمل مستقبمية ويبين الشكل (‬
‫المختارة سابقا في الجدول(‪ )1‬و المستخرجة لممنطقة المشبوىة المكتشفة لمصورة في الشكل )‪:)5‬‬

‫‪91‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫الشكل (‪ )6‬الواصفات المستخرجة لممنطقة المشبوىة‬

‫نجد الواصفة‪(Extrema‬مصفوفة النقاط الحدية) ىي مصفوفة ذات أبعاد ‪ 2* 8‬وقيميا ىي كمايمي ‪:‬‬

‫الشكل (‪ )7‬قيم المصفوفة ‪Extrema‬‬

‫‪2*64‬‬ ‫أما بالنسبة لمواصفة ‪(Convexhull‬مصفوفة اصغر منطقة تحدب) فيي عبارة عن مصفوفة ابعادىا‬
‫وقيميا كما يمي ‪:‬‬

‫‪92‬‬
‫مجمة جامعة تشرين ‪ ‬العموم اليندسية المجمد ( ‪ )38‬العدد (‪Tishreen University Journal. Eng. Sciences Series 2016 )2‬‬

‫الشكل(‪ )8‬قيم المصفوفة ‪convexhull‬‬

‫االستنتاجات والتوصيات ‪:‬‬

‫تم اقتراح نظام جديد الكتشاف أورام الثدي واستخراج الوصفات والسمات لممناطق الورمية المكتشفةمن‬
‫صور المرنان المغناطيسي وقد تم تطبيق واختبار النظام عمى مجموعة من صور المرنان المغناطيسي حيث تم في‬
‫البداية استخراج المناطق المشبوىة من خالل استخدام خوارزمية لعنقدة عناصر الصورة حسب السويات الرمادية وىي‬
‫خوارزمية ‪ FCM‬باإلضافة لبعض العمميات المورفولوجية كعمميتي الفتح واإلغالق وقد تم التوصل إلى نتائج جيدة‬
‫تمثمت في استخراج المناطق الورمية كافة‪.‬‬
‫تم بعد ذلك استخراج بعض السمات التي يمكن استخداميا في تمييز األورام الخبيثة عن األورام السميمة حيث‬
‫بمغ عدد السمات المستخرجة لكل منطقة ورمية ‪ 6‬سمات‪ .‬تم بناء النظام المقترح باستخدام برنامج الـماتالب حيث تم‬
‫العمل عمى قاعدة بيانات تتكون من ‪ 96‬صورة من صور المرنان المغناطيسي من قاعدة بيانات المعيد العالمي‬
‫لمسرطان في الواليات المتحدة األميركية وقد كانت النتائج التي تم الوصول عمييا في عممية اإلكتشاف جيدة حيث تمت‬
‫مقارنتيا مع الرأي الطبي البين في قاعدة البيانات ذاتيا‪.‬‬
‫االستنتاجات‪:‬‬
‫‪ ‬أظير النظام كفاءة في ‪:‬‬
‫‪ o‬استخراج المناطق الورمية عمى اختالف الحاالت المقدمة لو حيث تمكن من عزل المناطق الورمية في الصور‬
‫التي تتضمن أوردة وشرايين دموية وأقنية لبنية‪.‬‬
‫‪ o‬استخراج األورام وتمييزىا في الصور التي ظيرت فييا أعضاء أخرى من الجسم باإلضافة لمثدي‪.‬‬
‫‪ o‬اكتشاف األورام في الصور غير الواضحة التي تحوي عمى نسبة ضجيج عالية‪.‬‬
‫‪ o‬استخراج األورام في الصور التي تحتوي أوراماً غير واضحة ومبيمة الحدود‪.‬‬

‫‪93‬‬
‫عيد‬ ‫استخراج األورام السرطانية وتحديد واصفاتيا في صور المرنان المغناطيسي لمثدي باستخدام خوارزميات العنقدة ومعالجة الصورة‬

‫ استخراج المناطق التي التعتبر تكتالت ورمية كالكيسات والتكمسات النقطية المتعددة واألنسجة الضامة‬o
.‫والغدية‬
.‫ عدم استخراج أي منطقة في الصور السميمة التي التحتوي عمى مناطق ورمية‬o
.‫ استخراج حدود المناطق الورمية وحوافيا بدقة جيدة سواء كانت حدوداً خارجية أم داخمية‬o
‫ أظير النظام قدرة عمى التعامل الفوري مع صور المرنان المغناطيسي لمثدي بمختمف األحجام و بغض النظر‬
. ‫عن نوع وبارامترات جياز المرنان المستخدم وبدون القيام بأي عممية معالجة مسبقة لمصور‬
:‫التوصيات‬
‫يعد النظام خطوة أولى في تشخيص أورام الثدي لذلك فإن النظرة المستقبمية ليذا البحث ىي االستفادة من‬-1
.‫السمات المستخرجة لممناطق الورمية في عممية التشخيص والتمييز بين األورام الخبيثة والحميدة‬
‫العمل عمى تحديد واستخراج سمات أخرى لممناطق الورمية ويحدد الباحث بالمساعدة مع الطبيب المختص‬- 2
.‫ سمة شكمية‬15 ‫مدى اىيميتيا في تشخيص المرض حيث نسطيع استخراج حوالي‬
.‫العمل عمى بناء نظام متكامل لالكتشاف والتصنيف والتشخيص اآللي‬- 3
‫مشاركة فريق من األطباء المختصين في العمل البحثي لمشاركة خبراتيم والعمل عمى التحسين المستمر‬- 4
.‫لمنظام بغية محاكاة الخبرة البشريةو تقديم أكبر قدر من المعمومات المساعدة عمى التشخيص الصحيح‬

:‫المراجع‬
[1]-B.Senthilkumar,G.Umamaheswari,Combination of Novel Enhancement
Technique and Fuzzy C Means Clustering Technique in Breast Cancer Detection. Biomed
Res-India 2013 Volume 24 Issue 2,252-257
[2]- S.SAHEB BASHA, DR.K.SATYA PRASAD, Automatic detection of breast
cancer mass in mammograms using morphological operators and fuzzy c –means
clustering. Journal of Theoretical and Applied Information Technology. 2009,704-709.
[3]- VALLIAPPAN Raman, PUTRA Sumari, MANDAVA Rajeswari, A Theoretical
Methodology and Prototype Implementation for Detection Segmentation Classification of
Digital Mammogram Tumor by Machine Learning. IJCSI International Journal of
Computer Science Issues. Vol. 7, Issue 5, September 2010,38-44
[4]- Ruey-Feng Chang, Wen-Jie Wu, Woo Kyung Moon,Dar-Ren Chen, Automatic
ultrasound segmentation and morphology based diagnosis of solid breast Tumors. Breast
Cancer Research and Treatment. 89,2005, 179–185
[5]-Parkin D. M. , Bray F.,ferlayJ.,andPisaniP.,"Global Cancer Statistics 2002",CA
Cancer JClin,Vol.55,No.2,pp.74-108,2005.
[6]- Olson, James Stuart. Bathsheba's Breast: Women, Cancer and History.
Baltimore: The Johns Hopkins University Press. ISBN 8018, 2002.
[7]-The MATLAB Team, "fuzzy C-Means ClusteringTutorial (Fuzzy Logic
Toolbox)",MATLAB,ProductHelp,Version 7.8.0347 (R2011a),2011.
[8]-Stoitsis J.,Valavanis I.,Mougiakakou S.,Golemati S., Nikita
A.,NikitaK.,"Computer- Aided Diagnosis Based on Medical Image Processing and
Artifical Intelligence Methods",Nuclear Instruments and Methods in Physics
Research,pp.591-595,2006.

94
Tishreen University Journal. Eng. Sciences Series 2016 )2( ‫) العدد‬38 ( ‫ العموم اليندسية المجمد‬ ‫مجمة جامعة تشرين‬

[9]-Chen E.,ChungP.,ChenC.,TsaiH.,and Chang C.,"An Automatic Diagnostic System

for CT Liver Image Classification" IEEE Transactions Biomedical
Engineering,Vol.45,No.6,pp.783-794,1998.
[10]-LinaArbashMeinel.”Development of computer-aided diagnostic system for
breast MRI lesion classification”,Phd thesis , University of Iowa,2005.
[11]-MaanAmmar,Bassel Al Samman.”Towards Automatic Diagnosis of Liver
Tumors from CT images“,IEEE Symposium on Industrial Electronics and Applications
(ISIEA),87-90,2009.
[12]-Gonzalez R. C.,Woods R. E.,"Digital Image Processing",Prentice Hall,2nd
Edition,pp.521-538,2004.
[13]-The MATLAB Team ,"Fuzzy Logic Toolbox",MATLAB,ProductHelp,Version
7.8.0.347,(R2011a),2011.
[14]-Hunt B.,LipsmanR.,Rosenberg J.,"A Guide to MATLAB for Beginners and
Experienced Users",Cambridge university Press,pp.31-50,2004.
[15]-Semmlow J.,"Biosignal and Biomedical Image Processing MATLAB-based
Applications",Rutgers University Piscataway,New jersey ,USA,pp.410-450,2004.
[16]-Sivanandam S. N.,Sumathi S.,Deepa S. N. ,"Introduction to Fuzzy Logic using
MATLAB",Springer-Verlag Berlin Heidelberg ,pp. 158-199,2007.
[17]-The MATLAB Team,"MathWorks Documentation – MATLAB V7 Function
References",pp.14-171,2007.
[18]-The MATLAB Team,"MATLAB Programming Tips",MathWorks,Inc,pp. 11-
52,2005.
[19]-Judith G.H.,Ursula G. F.,Judith E. A.."Handbook of normal physical
measurements".Oxford University Press,410-475,2001.
‫ سورية‬, ‫ مديرية الكتب والمطبوعات‬, "‫"األشعة التشخيصية واإليكوغرافي‬.‫عامر‬,‫جركس‬-‫فيصل‬,‫ناصر‬- [20]
2005,
‫شعاع لمنشر‬, "‫ التطبيقات‬,‫الخوارزميات‬, ‫"الشبكات العصبية البنية اليندسية‬. ‫ عالم‬, ‫عيسى‬-[21]
2000,‫حمب‬,‫سورية‬,‫والعموم‬

Websites :
[22] - http://www.mrsc.ucsf.edu/breast/On 2014-04-03 10:45:10
[23]- https://public.cancerimagingarchive.netOn 2014-04-03 11:56:25
[24]-http://www.mdanderson.org/patient-and-cancer-information/cancer-
information/cancer-types/breast-cancer/index.htmlOn 2014-04-03 11:10:25

95