تركيبي از طبقه بندهاي شبكه عصبي MLP جهت شناسايي توده ‏هاي پانكراس به كمك تصاوير سي‏ تي‏ اسكن

A combination of MLP neural network floors to identify pancreatic masses by CT scan images

سرطان پانكراس يكي از مهم‏ترين و خطرناك‏‏ترين بيماري‏هايي است كه سلامت بشر را تهديد مي‏كند. براي تشخيص اين بيماري روش‏هاي تشخيصي متفاوتي وجود دارد كه يكي از ارزان‏ترين و در دسترس‏ترين آن‏ها تشخيص با استفاده از تصاوير سي‏تي‏اسكن است. عارضه‏هاي پانكراس به صورت كلي شامل تومورها و كيست‏ها كه انواع خوش‏خيم و بدخيم دارند و پانكراتيت مي‏شوند. هدف اين تحقيق شناسايي انواع عارضه‏ها از نوع سالم آن با استفاده از تركيب طبقه‏بندهاي شبكه عصبي MLP مي‏باشد. الگوريتم استفاده شده در اين تحقيق شامل دو مرحله است كه در مرحله اول پنج شبكه عصبي MLP براي تشخيص هر كدام از عارضه‏ها آموزش ديده و متخصص مي‏شوند و نتايج آن‏ها براي آموزش شبكه عصبي ميانجي در مرحله دوم استفاده و در نهايت توسط اين مرحله تصميم‏گيري نهايي اتخاذ مي‏شود. روش پيشنهادي در مقايسه با روش تشخيصي با استفاده از يك شبكه عصبي MLP نتايج بهتري را ارائه داده است چرا كه يادگيري دسته‏جمعي، از يادگيري بهترين طبقه‏بند پايه بهتر است.

pancreatic Cancer is one of the most important and most dangerous diseases that threatens human health. there are the Different diagnostic methods for diagnose this disease, one of the cheapest and most accessible diagnosis ways is using CT scan images. Pancreatic complications generally include pancreatitis, tumors and cysts that have benign and malignant forms. The purpose of this study was to identify a variety of complications from healthy type using the MLP neural networks classifier. The proposed method provides better results than the diagnostic method using a MLP neural network because collective learning is better than learning the best classifier.