ارائه راهکارِ ترکیبی و نوینِ تشخیص سرطان کبد توسط پردازش تصویر سطح بالا بر مبنای الگوریتم svm و ann

در کبد سرطانهایی نیز یافت میشوند که از نقاط دیگر منشا گرفته به کبد گسترش یافتهاند. اکثر افراد در مراحل اولیه سرطان کبد، هیچ گونه علائمی ندارند. اگر کسی سابقه ابتلا به هپاتیت یا سیروز کبدی داشته باشد، احتمال ابتلا به سرطان کبد در وی افزایش مییابد. کبد بزرگ‌‌‌‌ترین اندام درون شکم است و پشت دنده‌‌ها در سمت راست بدن قرار دارد. پس نقش مهمی‌ در سالم نگه داشتن بدن دارد. لذا برای تشخیص سرطان کبد راههای مختلفی مانند تست تومورمارکر و سونوگرافی کمک گرفته می‌شود. آلفا‌فیتوپروتئین (afp) تومورمارکری است که با اندازه گیری سطح خونی آن پیش‌بینی می‌کنیم که آیا فرد به سرطان اولیه کبد دچار شده است یا خیر؟ اما هدف در این مقاله تشخیص و آنالیز سرطان کبد با استفاده از تبدیل curve let و ماتریس سطح هم رخدادی خاکستری و استفاده از طبقه بند svm، به منظور ایجاد استقلال از دوران و مقیاس در طبقه بندی بافت از راهکارهای پردازش تصویر در زمینههای mri و ct scan و استفاده از روش های ترکیبی و نوین پردازش تصویر و الگوریتمهای svm و ann بوده، که تلاشی برای ایجاد نوآوری در زمینه توموگرافی و ام ار آی از طریق روش‌های کامپیوتری برای تشخیص سرطان کبد است.

introducing a new and innovative combination of liver cancer diagnosis by high-level image processing based on the svm and ann algorithms

cancers that originate from other places and spread to the liver are also found in the liver. most people do not have any symptoms in the early stages of liver cancer. if someone has a history of hepatitis or liver cirrhosis, the probability of developing liver cancer increases. the liver is the largest organ in the abdomen and is located behind the ribs on the right side of the body. so it plays an important role in keeping the body healthy. therefore, various methods such as tumor marker test and ultrasound are used to diagnose liver cancer. alpha-phytoprotein (afp) is a tumor marker that by measuring its blood level, we predict whether a person has primary liver cancer or not. however, the purpose of this article is to diagnose and analyze liver cancer by using curve let transformation and gray co-occurrence surface matrix and using svm classification, in order to create independence from era and scale in tissue classification from image processing solutions in the fields of mri and ct scan and the use of new combined methods of image processing and svm and ann algorithms, which is an attempt to create innovation in the field of tomography and mri through computer methods to diagnose liver cancer.