شناسايي و طبقهبندي تومورهاي سينه مبتني بر يك روش جديد در شناسايي الگو

ﻣﻜﺎﻧﻴﺰمﻫﺎي ﻣﺘﻌﺪدي در آﻧـﺎﻟﻴﺰ ﻣﻔـﺎﻫﻴﻢ و ﻣﺤﺘﻮﻳـﺎت ﺗﺼـﺎوﻳﺮ ﻣـﺎﻣﻮﮔﺮاﻓﻲ ﺑـﻪ ﻣﻨﻈـﻮر ﺗﺸـﺨﻴﺺ ﺗﻮﻣـﻮر وﻧـﻮع ﺗﻮﻣـﻮر اﺳﺘﻔﺎده ﻣﻲﺷﻮد ﺗﺎ آﻧﻬـﺎ را ﺑـﻪ ﺳـﻪ ﮔـﺮوه ﺗﻮﻣﻮرﻫـﺎي ﺧـﻮش ﺧـﻴﻢ، ﺑـﺪ ﺧـﻴﻢ و ﺳـﺎﻟﻢ دﺳـﺘﻪ ﺑﻨـﺪي ﻛﻨﻨـﺪ. اﺳـﺘﻔﺎده از ﺗﺨﺼـﺺ ﭘﺰﺷﻜﺎن، ﭘﺎﺗﻮﻟﻮژي و روشﻫﺎي ﻣﺒﺘﻨﻲ ﺑـﺮ ﭘـﺮدازش ﺗﺼـﻮﻳﺮ، در ﺗﺸـﺨﻴﺺ ﻧـﻮع ﺗﻮﻣـﻮر در روشﻫـﺎي ﻣﺒﺘﻨـﻲ ﺑـﺮ ﭘـﺮداﺯش ﺗﺼـﻮﻳﺮ، روش ﻣﺒﺘﻨﻲ ﺑﺮﺷﻨﺎﺳﺎﻳﻲ اﻟﮕﻮ ﺑﻪ ﻛﺎر ﮔﺮﻓﺘـﻪ ﻣـﻲﺷـﻮد. در ﺷﻨﺎﺳـﺎﻳﻲ اﻟﮕـﻮ ﻣﺮاﺣـﻞ ﭘـﻴﺶ ﭘـﺮدازش، اﺳـﺘﺨﺮاج و اﻧﺘﺨـﺎب وﻳﮋﮔـﻲ و دﺳﺘﻪﺑﻨﺪي وﺟﻮد دارد. از ﺗﺼﻮﻳﺮ ﻣﻲﺗﻮان وﻳﮋﮔﻲﻫـﺎي ﻃﻴﻔـﻲ، ﻫﻨﺪﺳـﻲ ﻣﻜـﺎﻧﻲ و ﻳـﺎ ﻟﺒـﻪ را اﺳـﺘﺨﺮاج ﻛـﺮد. ﺗﺮﻛﻴـﺐ وﻳﮋﮔـﻲﻫـﺎي ﻣﺨﺘﻠﻒ ﺑﻪ ﻣﻨﻈﻮر ﺳﺎﺧﺖ ﺑﺮدار وﻳﮋﮔﻲ ﻣﻨﺤﺼـﺮ ﺑﻔـﺮد و ﻛـﺎﻫﺶ ﺑﻌـﺪ ﺑـﻪ ﻫﻤـﺮاه روشﻫـﺎي ﻃﺒﻘـﻪ ﺑﻨـﺪي ﺗﻮاﻧﺴـﺘﻪ اﺳـﺖ راﻧـﺪﻣﺎن ﺗﺸﺨﻴﺺ ﺗﻮﻣﻮر را ﺑﻬﺒﻮد دﻫﺪ. در اﻳﻦ ﻣﻘﺎﻟـﻪ يك روش ﻛﺎراﻣـﺪ در ﺗﺸـﺨﻴﺺ ﻧـﻮع ﺗﻮﻣـﻮر اراﺋـﻪ ﺷـﺪه اﺳـﺖ. ﭘـﺲ از اﺳـﺘﺨﺮاج دو ﻧﻮع وﻳﮋﮔﻲ ﻣﺨﺘﻠﻒ، ﺳﺎﺧﺖ ﻳﻚ ﻣـﺎﺗﺮﻳﺲ وﻳﮋﮔـﻲ ﺑـﺎ روش PCA ﻛـﺎﻫﺶ ﺑﻌـﺪ ﺻـﻮرت ﮔﺮﻓﺘـﻪ اﺳـﺖ. ﺳـﭙﺲ ﻣـﺎﺗﺮﻳﺲ ﻛـﺎﻫﺶ ﺑﻌـﺪ ﻳﺎﻓﺘﻪ ﺑﺎ روش PCA ، ﺑﺎ ﻃﺒﻘـﻪ ﺑﻨـﺪ AdaKNN ﺑﻬﺒـﻮد ﻳﺎﻓﺘـﻪ ﺑـﺎ ELM ﻳﻌﻨـﻲ AdaKNN+ELM دﺳـﺘﻪ ﺑﻨـﺪي ﺷـﺪه اﻧـﺪ. وﻳﮋﮔـﻲ ­ ﻫﺎي ﻛﺎﻫﺶ ﺑﻌﺪ ﻳﺎﻓﺘﻪ در ﺣﺎﻻت ﻣﺨﺘﻠـﻒ ﺑـﺎ ﺳـﺎﻳﺮ ﻃﺒﻘـﻪ ﺑﻨـﺪﻫﺎي KNN ، ELM ، AdaKNN ﻣﻘﺎﻳﺴـﻪ ﺷـﺪه اﺳـﺖ. ﻧﺘـﺎﻳﺞ ﺑﺪﺳـﺖ آﻣﺪه ﻧﺸﺎن اﺯ ﺑﺮﺗﺮي روش ﭘﻴﺸﻨﻬﺎدي دارد .