تعيين پارامترهاي طبقه بندي KSVM با استفاده از الگوريتم PSO در تصاوير MRI به منظور تشخيص بيماري كوويد-19

Determining KSVM classification parameters using PSO algorithm in MRI images in order to diagnose covid-19 disease

با گسترش بيماري كوويد-19 در سرتاسر جهان و با توجه به انتقال سريع اين بيماري از فردي به فرد ديگر، تشخيص درست و به موقع آن اهميت زيادي پيدا مي كند. براي تشخيص درست اين بيماري از روش هاي تشخيصي آزمايشگاهي PCR استفاده مي شود. اين روش يكي از روش هايي است كه مي تواند اين بيماري را تشخيص دهد اما نتايج حاصل از آن مي تواند كاذب بوده و بيمار و پزشك را به اشتباه بيندازد و در نتيجه منجر به شيوع بيشتر اين بيماري گردد. از ديگر روش هاي تشخيصي ، مي توان به روش هاي تصويربرداري پزشكي اشاره كرد كه شامل راديولوژي، CT اسكن و MRI است. اما به دليل حجم زياد اين تصاوير ، امكان تشخيص درست و سريع اين بيماري توسط راديولوژيست نيست . لذا اين امر نيز مي تواند بيماري را تشديد كرده و روند درمان را طولاني تر كند. به همين منظور از روش هاي پردازش تصاوير براي رسيدن به اين مهم استفاده مي شود. در اين پژوهش، براي تشخيص اين بيماري از روش تركيبي PSO-KSVM استفاده مي شود به اينصورت كه، ابتدا تصاوير MRI پيش پردازش و ROI هر تصوير استخراج مي گردد. سپس ويژگي هاي هيستوگرام جهت دار، هيستوگرام فازي، هيستوگرام رنگ و الگوي محلي باينري هر تصوير انتخاب شده و به عنوان ورودي به الگوريتم PSO-KSVM وارد مي شوند. اين مدل، ابتدا دامنه محدوده جست وجوي پارامترهاي SVM را تنظيم مي نمايد و سپس پارامترهاي الگوريتمPSO مقداردهي اوليه مي شوند. در مرحله بعد ، پارامترهاي بهينه شده به عنوان ورودي، به سه كرنل SVM به نام هاي كرنل چند جمله اي همگن، چند جمله اي ناهمگن و كرنل پايه شعاعي گوسي وارد مي شوند. اين سه كرنل، به طور جداگانه دسته بندي را انجام مي دهند و در نهايت الگوريتم PSO سه نتيجه به دست آمده را تركيب كرده و نتيجه نهايي را نشان مي دهد. نتايج حاكي از آن است كه دقت تشخيص بيماري كويد 19 ، با استفاده از پارامترهاي روش پيشنهادي 97.44 درصد است . و ميزان تاثير نويز بر آن حدود 6 تا 8 درصد كاهش داشته است .