محمدحسن شهابیان آلاشتی - گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد اراک ، دانشگاه آزاد اسلامی ، اراک ، ایران
عباس کریمی - استادیار گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد اراک ، دانشگاه آزاد اسلامی ، اراک ، ایران
فرانه زرافشان - استادیار گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد آشتیان ، دانشگاه آزاد اسلامی ، آشتیان ، ایران

بیماری سینه پهلو از بیماریهای خطرناک تنفسی است و یکی از روشهای تشخیص آن استفاده ازتصویربرداری پزشکی میباشد. در بیماری سینه پهلو شش های فرد دچار التهاب ناشی از ویروس یا باکتری شده و در تنفس فرد اختلال ایجاد میشود. تشخیص دقیق لبه و مرز نواحی آسیب دیده در بیماری سینه پهلو به کمک روشهای یادگیری ماشین میتواند دقت پزشکان جهت شناسایی این نواحی و افزایش شانس درمان به موقعه بیماری را افزایش دهند. روشهای مختلفی برای ناحیه بندی تصاویر مرتبط با سینه پهلو وجود دارد که یکی از آنها خوشه بندی فازی است. مزیت مهم خوشه بندی فازی دقت مناسب در حضور نویز تصاویر و عدم نیاز به آموزش است با این وجود لبه و مرز نواحی آسیب دیده در این تکنیک دقت بالایی ندارد. در این مقاله برای بهبود الگوریتم خوشه بندی فازی از مفاهیم الگوریتم ژنتیک استفاده شده است و یک نسخه قطعه بندی فازی ژنتیک برای تشخیص بیماری سینه پهلو ارایه شده است. پیادهسازی روش پیشنهادی در محیط برنامه نویسی متلب با استفاده از تعدادی از تصاویر مرتبط با بیماری سینه پهلو نشان میدهد متوسط شاخص شباهت، دقت، حساسیت، تشخیص و کاپا جهت تشخیص بیماری در روش پیشنهادی به ترتیب برابر %92,52، %92,46، %93,73، %91,27 و %82,59 است و روش پیشنهادی نسبت به ماشین بردار پشتیبان و نزدیکترین همسایه کارایی بهتری دارد.

سینه پهلو، تصاویر پزشکی، قطعه بندی، خوشه بندی فازی، الگوریتم ژنتیک