الگوریتم بهینه تقسیم‌بندی تصاویر میکروسکوپی خون برای تشخیص سلول‌های لوسمی حاد لنفوبلاست با استفاده از الگوریتم fcm و بهینه‌سازی ژنتیک

سرطان ها گروهی از بیماری ها هستند که به صورت رشد بی رویه و خارج از کنترل تعدادی از سلول ها، ایجاد می شوند و حدود دویست نوع مختلف دارند. سرطان لوسمی (خون) یکی از انواع این سرطان هاست. تشخیص سرطان خون در بیمارستان ها و مراکز درمانی با تهیه لام از بافت خون و قراردادن زیر میکروسکوپ و توسط یک متخصص پاتولوژی صورت می گیرد. پاتولوژیست ها با توجه به شکل و تعداد گلبول های موجود در خون نوع بیماری را مشخص می کنند. هدف از این مقاله ارائه مدلی هوشمند با استفاده از الگوریتم fcm به منظور خوشه بندی و شبکه عصبی برای انتخاب ویژگی هاست؛ همچنین در آن از الگوریتم ژنتیک در مرحله بهبود الگوهای تشخیصی استفاده شده است. با استفاده از این مدل به تشخیص زود هنگام سرطان لوسمی حاد لنفوبلاست و سپس دسته بندی all به سه زیر شاخه مورفولوژیکی (l1، l2 وl3) می توان اقدام کرد. در این پژوهش نمونه هایی از 38 بیمار سرطانی لوسمی حاد لنفوییدی تهیه شد. این مطالعه بر روی 68 تصویر میکروسکوپی و با در نظر گرفتن پانزده ویژگی هندسی و آماری انجام شد که نتیجه آن حاکی از حساسیت، ویژگی و دقت بالاتر برای ده ویژگی نسبت به سایر ویژگی ها بود. بر اساس ویژگی های استخراج شده، این روش با سه روش مشابه اخیر مقایسه شد. ارزیابی ها نشان داد که روش پیشنهادی به طور میانگین پارامترهای حساسیت، ویژگی و دقت را به میزان 85/15%، 98/17% و 96/53% به دست آورد. 1 fuzzy cmeans clustering 2 acute lymphoblastic leukemia