تعیین پارامترهای طبقه بندی ksvm با استفاده از الگوریتم pso در تصاویر mri به منظور تشخیص بیماری کووید-19

با گسترش بیماری کووید-19 در سرتاسر جهان و با توجه به انتقال سریع این بیماری از فردی به فرد دیگر، تشخیص درست و به موقع آن اهمیت زیادی پیدا می کند. برای تشخیص درست این بیماری از روش های تشخیصی آزمایشگاهی pcr استفاده می شود. این روش یکی از روش هایی است که می تواند این بیماری را تشخیص دهد اما نتایج حاصل از آن می تواند کاذب بوده و بیمار و پزشک را به اشتباه بیندازد و در نتیجه منجر به شیوع بیشتر این بیماری گردد. از دیگر روش های تشخیصی ، می توان به روش های تصویربرداری پزشکی اشاره کرد که شامل رادیولوژی، ct اسکن و mri است. اما به دلیل حجم زیاد این تصاویر ، امکان تشخیص درست و سریع این بیماری توسط رادیولوژیست نیست . لذا این امر نیز می تواند بیماری را تشدید کرده و روند درمان را طولانی تر کند. به همین منظور از روش های پردازش تصاویر برای رسیدن به این مهم استفاده می شود. در این پژوهش، برای تشخیص این بیماری از روش ترکیبی pso-ksvm استفاده می شود به اینصورت که، ابتدا تصاویر mri پیش پردازش و roi هر تصویر استخراج می گردد. سپس ویژگی های هیستوگرام جهت دار، هیستوگرام فازی، هیستوگرام رنگ و الگوی محلی باینری هر تصویر انتخاب شده و به عنوان ورودی به الگوریتم pso-ksvm وارد می شوند. این مدل، ابتدا دامنه محدوده جست وجوی پارامترهای svm را تنظیم می نماید و سپس پارامترهای الگوریتمpso مقداردهی اولیه می شوند. در مرحله بعد ، پارامترهای بهینه شده به عنوان ورودی، به سه کرنل svm به نام های کرنل چند جمله ای همگن، چند جمله ای ناهمگن و کرنل پایه شعاعی گوسی وارد می شوند. این سه کرنل، به طور جداگانه دسته بندی را انجام می دهند و در نهایت الگوریتم pso سه نتیجه به دست آمده را ترکیب کرده و نتیجه نهایی را نشان می دهد. نتایج حاکی از آن است که دقت تشخیص بیماری کوید 19 ، با استفاده از پارامترهای روش پیشنهادی 97.44 درصد است . و میزان تاثیر نویز بر آن حدود 6 تا 8 درصد کاهش داشته است .