محمد علیپور - کارشناس مهندسی پزشکی و کارشناس ارشد الکترونیک، دانشکده فنی مهندسی دانشگاه تربیت معلم سبزوار
جواد حدادنیا - دانشیار گروه برق و کامپیوتر، دانشکده فنی مهندسی دانشگاه تربیت معلم سبزوار.

تشخیص به موقع سرطان پستان به طور چشم گیری مرگومیر ناشی از آن را در جامعه زنان کاهش میدهد. آزمایش آسپیراسیون سوزنی (FNA) روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش میشود به صورت هوشمند و ماشینی انجام گیرد.روش بررسی: مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارتاند از: ثبت تصاویر میکروسکوپیک از نمونه FNA، استخراج ویژگی های عددی از این تصاویر، انتخاب ویژگی های تفکیک کننده و طراحی و آزمایش طبقه بندی کننده مناسب. در این تحقیق از ویژگی های آماده پایگاه داده WDBC که شامل 569 نمونه FNA میباشد، استفاده شد. برای انتخاب ویژگی روش جدیدی مبتنی بر الگوریتم بهینه سازی ذرات دودویی (BPSO) ارایه شد و سرانجام تلفیقی از طبقه بندی کننده های SVM برای کلاس بندی نمونه-ها بهکار گرفته شد.یافته ها: سیستم پیشنهادی با استفاده از 28 ویژگی در قالب 5 مدل SVM به دقت شناسایی %100 دست یافت. این سیستم از لحاظ دقت و تعداد ویژگی های مورد نیاز بر سیستم های موجود برتری دارد.نتیجه گیری: این تحقیق با ارایه یک الگوریتم انتخاب ویژگی کارآمد موفق شده است دقت شناسایی سیستم های تشخیص سرطان پستان را بهبود دهد. این در حالی است که نسبت به سیستم های مشابه از تعداد کمتری ویژگی استفاده شده است. از دیگر مزیت های انتخاب ویژگی این است که علاوه بر تشخیص کلی، تشخیص ناهنجاری های ناشی از بیماری را نیز ممکن میسازد.

تشخیص سرطان پستان، نمونه برداری با سوزن ظریف (FNA)، انتخاب ویژگی، بهینه سازی جمعی ذرات دودویی (BPSO)، ماشین بردار پشتیبان .(SVM)