ارایه یک مدل هوشمند قطعه بندی مبتنی بر منطق فازی و تبدیل موجک گسسته در تصاویر دیجیتالی جهت شناسایی سرطان معده
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 18، شماره: 63
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 200
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-18-63_011
تاریخ نمایه سازی: 3 آذر 1400
چکیده مقاله:
سرطان معده در ایران اولین عامل و در سطح دنیا پنجمین عامل پیشتاز سرطان می باشد. اگر این بیماری در مراحل اولیه تشخیص داده شود، احتمال درمان بیشتر و هزینه های آن کاهش چشمگیری خواهد داشت. به دلیل پیچیدگی تصاویر پاتولوژیستی و چالش های اساسی موجود در این تصاویر نظیر کنتراست ضعیف بین سلول ها، هم پوشانی سلول ها و تناقض در رنگ آمیزی بافت، فرایند تشخیص این نوع بیماری با مشکل روبرو می شود؛ بنابراین در این پژوهش، مدل هوشمند جدیدی جهت حل این مشکلات ارائه گردیده است؛ به گونه ای که ابتدا از الگوریتمی مبتنی بر کلاه بالا به پایین جهت بهبود کیفیت تصویر بهره گرفته شده و سپس با استفاده از روش های خوشه بندی فازی، تبدیل موجک گسسته، رشد منطقه و مکانیزم رای گیری جهت تشخیص سلول ها اقدام می شود. سپس با کمک یک روش مبتنی بر عملیات مورفولوژی پیشرفته، سلول های دارای هم پوشانی از یکدیگر جدا می شوند و در نهایت ویژگی های سلول، استخراج و به کمک الگوریتم ماشین بردار پشتیبان با کرنل (RBF)، طبقه بندی می گردند. الگوریتم ارائه شده بر روی ۹۶ تصویر دیجیتال میکروسکوپی بیماران بیمارستان بقیه الله اعمال گردیده و با روش تحلیل منحنی ROC ارزیابی شده است. نتایج به دست آمده توسط متخصص پاتولوژیست تایید شده و دقت تشخیص سلول های سالم و سرطانی ۹۲.۱۲٪ و سلول های خوش خیم و بدخیم ۹۴.۱۴٪ می باشد که برای تشخیص زود هنگام این نوع سرطان امیدوارکننده است.
کلیدواژه ها:
نویسندگان
پانیذ تیموری
گروه مهندسی برق، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
مهدی مزینانی
گروه مهندسی برق، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
راحیل حسینی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :