پردازش تصاوير ماموگرافي به منظور طبقه ‌بندي توده ‌هاي سرطان سينه با استفاده از روش ماشين بردار پشتيبان با بكارگيري الگوريتم بهينه ‌‌سازي ملخ

زمينه و هدف: سرطان سينه به دليل رشد غيرقابل كنترل سلول هاي غيرطبيعي در سينه ايجاد مي شود. در هر دو نوع تومورهاي سرطاني خوشخيم و بدخيم، رشد سريع و زياد سلول ها وجود دارد. امروزه، ﺑﺎ ﺗﻮﺟﻪ به ﮔﺴﺘﺮش ﺗﮑﻨﻮﻟﻮژي، ﺗﺸﺨﯿﺺ ﺑﯿﻤﺎريﻫﺎ از ﺣﺎﻟﺖ تهاﺟمي ﺧﺎرج ﺷﺪه و تلاش ﭘﺰﺷﮑﺎن و ﻣﺘﺨﺼﺼﺎن ﺑﺮ ايﻦ اﺳﺖ ﮐﻪ ﺗﺸﺨﯿﺺ بيماري را ﺑﺪون ﺟﺮاﺣﯽ و از روي ﺗﺼﺎويﺮ ارﮔﺎنﻫﺎي داﺧﻠﯽ اﻧﺠﺎم دﻫﻨﺪ. مواد و روش ها: پژوهش حاضر مطالعه اي بر اساس بررسي اطلاعات پايگاه داده ي تصاوير ديجيتال ماموگرافي (DDSM ) مي باشد، كه روشي جديد براي تشخيص و آشكارسازي توده هاي سرطاني تصاوير ماموگرافي با استفاده از استخراج ويژگي هاي هندسي و بهينه سازي پارامترهاي الگوريتم ماشين بردار پشتيبان (SVM)، به منظور طبقه بندي خودكار توده هاي سرطان سينه ارائه شده است. در ابتدا پيش پردازش تصاوير ماموگرافي انجام مي شد، سپس با استفاده از روش آستانه گذاري، مرزهاي توده ها مشخص شد و سپس با عملگرهاي مورفولوژي اين مرزها بهبود يافته و درنهايت قطعه بندي تصاوير براي طبقه بندي نوع توده هاي سرطاني بافت سينه انجام شد. در مرحله نهايي با استفاده از روش بهينه سازي پارامترهاي طبقه بندي كننده ي SVM با كمك الگوريتم بهينه سازي ملخ، و استفاده از روش اعتبارسنجي 4 - fold طبقه بندي داده‌ها به دو دسته ي خوشخيم و بدخيم انجام شد. ملاحظات اخلاقي: در اين پژوهش از تصاوير پايگاه داده ي DDSM استفاده شده است. لازم به ذكر است كه تصاوير موجود در اين پايگاه داده بصورت رايگان جهت دسترسي وجود دارند. يافته ها: بهترين نتايج شاخص هاي صحت، حساسيت و اختصاصيت (ويژگي) به ازاي به‌كارگيري تابع كرنل (RBF) پيش از انجام عمليات بهينه سازي پارامترهاي طبقه بندي كننده ي SVM به ترتيب برابر با 97%، 100% و %96 بدست آمد. همچنين، بهترين نتايج شاخص هاي صحت، حساسيت و اختصاصيت به ازاي به‌كارگيري تابع كرنل خطي، پس از انجام عمليات بهينه سازي پارامترهاي طبقه بندي كننده ي SVM با الگوريتم بهينه سازي ملخ، به ترتيب برابر با %100، %100 و %100 بدست آمد كه نشان دهنده ي دقت بالاي روش پيشنهاد شده در اين مقاله است.. متوسط مقادير شاخص هاي صحت، حساسيت و اختصاصيت به ازاي بكارگيري هر سه تابع كرنل SVM و پس از اعمال الگوريتم بهينه سازي، به ترتيب برابر با 95/83، 100 و 94/81 درصد به دست آمد. نتيجه گيري: بر اساس روش پيشنهاد شده در اين مقاله، ويژگي هاي هندسي به‌دست آمده از بافت توده هاي سرطاني سينه جهت آموزش مدل و تشخيص نوع توده سرطان سينه داراي كارايي بالايي است و روش بهينه سازي ملخ با انجام بهينه سازي پارامترهاي طبقه بندي كننده، دقت كلي تشخيص روش ارائه شده را بهبود بخشيده است. بنابراين نتايج حاصل از اين پژوهش نشان دهنده ي عملكرد بالاي روش پيشنهاد شده در مقاييسه با ساير پژوهش هاي پيشين انجام شده در اين زمينه است.