طراحي سيستم تشخيص ندول هاي ريوي از روي تصاوير سي‌ تي‌ اسكن ريه با استفاده از طبقه‌ بندي كننده ماشين بردار پشتيبان

Designing a System for Detection of Pulmonary Nodules in Lung CT Images Using Support Vector Machine Classifier

تشخيص ندول هاي ريوي به كمك راديولوژي يكي از روش هاي تشخيص زودرس سرطان در تصاوير سي تي اسكن است. يكي از چالش هاي اصلي براي تشخيص ندول هاي ريوي ، مشكل شناسايي و تفكيك ندول هاي ريوي از اجزا ريه مي باشد. در اين پژوهش يك سيستم تشخيص به كمك كامپيوتر جهت شناسايي اين ندول ها معرفي شده است.روش: اين پژوهش مطالعه اي توصيفي، تحليلي بوده كه به روي 97 تصوير سي تي اسكن انجام شده است. جهت تشخيص ندول هاي ريوي از طبقه بندي كننده ي ماشين بردار پشتيبان و الگوريتم ژنتيك به كمك نرم افزار متلب استفاده شده است.نتايج: در اين پژوهش در مورد ريه، سعي در دسته بندي نواحي تصاوير، به دو دسته داراي ندول و بدون ندول شده است. تحقيق حاضر درصدد ايجاد چارچوبي كاملاً خودكار براي شناسايي ندول هاي ريوي در تصاوير سي تي اسكن قفسه سينه مي باشد. اين چارچوب بخشي اساسي از سيستم شناسايي به كمك كامپيوتر بوده كه در شناسايي دقيق و سريع تر ندول هاي ريوي به راديولوژيست كمك مي نمايد. نتيجه گيري: با توجه به نتايج حاصل از اين مطالعه، براي تشخيص مناطق مشكوك به ندول، سيستم پيشنهادي به طور موثري در تشخيص ندول هاي مشكوك و مناطق آن ها نسبت به روش هاي قبلي بهتر عمل كرده است.

Introduction: Detection of pulmonary nodules using CT scan images is one of the methods for early detection of cancer. One of the main challenges for the detection of pulmonary nodules is identifying pulmonary nodules and differentiating them from lung components. In this study, a computer-aided detection system is proposed for the detection of these nodules. Methods: In this descriptive analytical study, 97 chest CT-scan images were studied. To detect pulmonary nodules, support vector machine classifier and Genetic algorithm by MATLAB software were used. Results: In this research on the lung, the areas of images were classified into the two groups of with nodule and without nodule and it was tried to create a fully automated framework to detect lung nodules in the chest CT images. This framework is an essential part of the computer-aided detection system that helps radiologists to detect lung nodules more accurately and rapidly. Conclusion: According to the results of this study, the proposed system is more efficient than the previous methods for detecting suspicious nodules.