شناسایی و طبقهبندی تومورهای سینه مبتنی بر یک روش جدید در شناسایی الگو

ﻣﻜﺎﻧﻴﺰمﻫﺎی ﻣﺘﻌﺪدی در آﻧﺎﻟﻴﺰ ﻣﻔﺎﻫﻴﻢ و ﻣﺤﺘﻮﻳﺎت ﺗﺼﺎوﻳﺮ ﻣﺎﻣﻮﮔﺮاﻓﻲ ﺑﻪ ﻣﻨﻈﻮر ﺗﺸﺨﻴﺺ ﺗﻮﻣﻮر وﻧﻮع ﺗﻮﻣﻮر اﺳﺘﻔﺎده ﻣﻲﺷﻮد ﺗﺎ آﻧﻬﺎ را ﺑﻪ ﺳﻪ ﮔﺮوه ﺗﻮﻣﻮرﻫﺎی ﺧﻮش ﺧﻴﻢ، ﺑﺪ ﺧﻴﻢ و ﺳﺎﻟﻢ دﺳﺘﻪ ﺑﻨﺪی ﻛﻨﻨﺪ. اﺳﺘﻔﺎده از ﺗﺨﺼﺺ ﭘﺰﺷﻜﺎن، ﭘﺎﺗﻮﻟﻮژی و روشﻫﺎی ﻣﺒﺘﻨﻲ ﺑﺮ ﭘﺮدازش ﺗﺼﻮﻳﺮ، در ﺗﺸﺨﻴﺺ ﻧﻮع ﺗﻮﻣﻮر در روشﻫﺎی ﻣﺒﺘﻨﻲ ﺑﺮ ﭘﺮداﺯش ﺗﺼﻮﻳﺮ، روش ﻣﺒﺘﻨﻲ ﺑﺮﺷﻨﺎﺳﺎﻳﻲ اﻟﮕﻮ ﺑﻪ ﻛﺎر ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد. در ﺷﻨﺎﺳﺎﻳﻲ اﻟﮕﻮ ﻣﺮاﺣﻞ ﭘﻴﺶ ﭘﺮدازش، اﺳﺘﺨﺮاج و اﻧﺘﺨﺎب وﻳﮋﮔﻲ و دﺳﺘﻪﺑﻨﺪی وﺟﻮد دارد. از ﺗﺼﻮﻳﺮ ﻣﻲﺗﻮان وﻳﮋﮔﻲﻫﺎی ﻃﻴﻔﻲ، ﻫﻨﺪﺳﻲ ﻣﻜﺎﻧﻲ و ﻳﺎ ﻟﺒﻪ را اﺳﺘﺨﺮاج ﻛﺮد. ﺗﺮﻛﻴﺐ وﻳﮋﮔﻲﻫﺎی ﻣﺨﺘﻠﻒ ﺑﻪ ﻣﻨﻈﻮر ﺳﺎﺧﺖ ﺑﺮدار وﻳﮋﮔﻲ ﻣﻨﺤﺼﺮ ﺑﻔﺮد و ﻛﺎﻫﺶ ﺑﻌﺪ ﺑﻪ ﻫﻤﺮاه روشﻫﺎی ﻃﺒﻘﻪ ﺑﻨﺪی ﺗﻮاﻧﺴﺘﻪ اﺳﺖ راﻧﺪﻣﺎن ﺗﺸﺨﻴﺺ ﺗﻮﻣﻮر را ﺑﻬﺒﻮد دﻫﺪ. در اﻳﻦ ﻣﻘﺎﻟﻪ یک روش ﻛﺎراﻣﺪ در ﺗﺸﺨﻴﺺ ﻧﻮع ﺗﻮﻣﻮر اراﺋﻪ ﺷﺪه اﺳﺖ. ﭘﺲ از اﺳﺘﺨﺮاج دو ﻧﻮع وﻳﮋﮔﻲ ﻣﺨﺘﻠﻒ، ﺳﺎﺧﺖ ﻳﻚ ﻣﺎﺗﺮﻳﺲ وﻳﮋﮔﻲ ﺑﺎ روش pca ﻛﺎﻫﺶ ﺑﻌﺪ ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ. ﺳﭙﺲ ﻣﺎﺗﺮﻳﺲ ﻛﺎﻫﺶ ﺑﻌﺪ ﻳﺎﻓﺘﻪ ﺑﺎ روش pca ، ﺑﺎ ﻃﺒﻘﻪ ﺑﻨﺪ adaknn ﺑﻬﺒﻮد ﻳﺎﻓﺘﻪ ﺑﺎ elm ﻳﻌﻨﻲ adaknn+elm دﺳﺘﻪ ﺑﻨﺪی ﺷﺪه اﻧﺪ. وﻳﮋﮔﻲ ­ ﻫﺎی ﻛﺎﻫﺶ ﺑﻌﺪ ﻳﺎﻓﺘﻪ در ﺣﺎﻻت ﻣﺨﺘﻠﻒ ﺑﺎ ﺳﺎﻳﺮ ﻃﺒﻘﻪ ﺑﻨﺪﻫﺎی knn ، elm ، adaknn ﻣﻘﺎﻳﺴﻪ ﺷﺪه اﺳﺖ. ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﻧﺸﺎن اﺯ ﺑﺮﺗﺮی روش ﭘﻴﺸﻨﻬﺎدی دارد .