تشخیص سرطان پروستات با استفاده از ترکیب روشهای فازی growcut و سیستم یادگیری جمعی

بیماری سرطان پروستات و وجود این ضایعه در ناحیه پروستات مردان، امروزه موجب تشدید نگرانی های افراد شده است. تشخیص این ضایعه در بیضا نیازمند انجام آزمایشاتی در قالب mri و ارائه نتایج به پزشک مربوطه می باشد. علی رغم ارائه روش های مختلف در این زمینه؛ اما هنوز با محدودیت-هایی اعم از عدم داشتن دقت کافی و وجود خطای بالا مواجه هستیم. از این رو، در این مقاله از ترکیب روشهای growcut و روش استخراج ویژگی زرنیک و یادگیری جمعی اعم از الگوریتم های knn، svm و mlp به منظور تشخیص تقسیم بندی ضایعه سرطان پروستات در تصاویر mri استفاده شده است. از روش بهبود یافته growcut که مبتنی بر ویژگی های هندسی تصاویر می باشد، به منظور تفکیک تصاویر mri استفاده گردیده است. سپس با کمک تکنیک زرنیک، ویژگی های تصویر مبتنی بر ویژگی های لبه و بافت تصاویر استخراج شده و در نهایت از ترکیب روش های یادگیری جمعی همچون knn, svm, mlp اقدام به تصیم بندی و تشخیص ضایعه سرطان پروستات در تصاویر mri می گردد. با شبیه سازی روش پیشنهادی مشاهده گردید که میزان دقت این روش که ترکیبی از چندین روش است نسبت به سایر روشها در حدود 20% بهبود داشته است.