پروژه طبقه بندی تومورهای خوش خیم و بدخیم سینه با شبکه عصبی سلولی توسط MATLAB

پروژه طبقه بندی تومورهای خوش خیم و بدخیم سینه با شبکه عصبی سلولی توسط MATLAB

یکی از خطراتی که زنان را به شدت تهدید می کند، سرطان سینه می باشد. در صورتی که بتوان این تومور را در سینه تشخیص داد، شانس زندگی فرد به صورت سالم و عادی بیشتر خواهد بود، از این رو ساخت سامانه هایی جهت تشخیص این نوع سرطان، مانند سامانه های تشخیص در حوزه های دیگر پزشکی امری بسیار حیاتی محسوب می گردد. در پروژه، دو روش خودکار جهت تشخیص نوع جرم تومور در سینه که خوش خیم یا بدخیم هست، ارائه شده است. در روش پیشنهادی اول، قطعه سازی به وسیله رشد ناحیه ای خودکار که آستانه گیری آن به وسیله شبکه عصبی سلولی (CNN – Circular Neural Network) آموزش دیده، به دست آمده است. در روش پیشنهادی دوم، قطعه سازی توسط شبکه عصبی سلولی (CNN) که پارامترهای آن با الگوریتم ژنتیک (GA – Genetic Algorithm) است، تعیین می شود.

چند مورد از مواردی که در هنگام قطعه بندی تومور استخراج می شوند و بسیار مورد اهمیت می باشند شامل شدت نور، بافت و ویژگی های شکل است. الگوریتم ژنتیک به منظور انتخاب ویژگی های مناسب از بافت تصویر در زمان قطعه بندی تومور استفاده می شود. در مرحله بعدی، شبکه عصبی به عنوان یک طبقه بند که تومور بدخیم است یا تومور خوش خیم مورد استفاده واقع می گردد. به منظور ارزیابی کارایی روش ارائه شده، طبقه بندهای مختلفی مانند روش های نایو بیزین (Naïve Bayesian) ، الگوریتم نزدیکترین همسایه (KNN) و ماشین بردار پشتیبان (SVM) استفاده شده است. دقت به دست آمده 96/87%، ویژگی ها 95/94% صحیح، و نرخ دقت 96/47% می باشد.