سال انتشار: ۱۳۸۴

محل انتشار: دوازدهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: ۷

نویسنده(ها):

علیرضا ذولقدر اصلی – دانشیار بخش برق و الکترونیک، دانشکده مهندسی، دانشگاه شیراز
ناصر شمس – کارشناس ارشد مخابرات، گروه برق، مرکز آموزش عالی فنی مهندسی شیراز (شهی

چکیده:

سرطان ریه با کارسینوم برونکوژنیک شایع ترین بدخیمی احشایی در بین مردان بوده و به تنهایی مسئول یک سوم از مرگ و میرهای ناشی از سرطان در مردان و ۷% از تمام مرگ و میرها در مردان و زنان می باشد. در یک فرآیند درمانی پس از معاینات کلینیکی چنانچه با روش های غیر تهاجمی مثل رادیوگرافی، CT اسکن، MRI، … احتمال وقوع یک تومور سرطانی وجود داشته باشد، بیمار تحت عمل جراجی نمونه برداری قرار می گیرد. مهمترین مرحله در تشخیص سرطان و اعلام بدخیم یا خوش خیم بودن تومور، مشاهده تصاویر میکروسکوپی بافت مشکوک توسط پاتولوژیست می باشد. نظر پاتولوژیست متأثر از عوامل درون ناظری و برون ناظری بوده و بستگی به تجارب و دقت وی دارد. به نحوی که در بسیاری از موارد مشکل نظر دو پاتولوژیست الزاماً یکی نیست. در این مقاله با کمک تکنیک های شناسایی الگو روشی اتوماتیک و سریع جهت تشخیص سرطان ریه از روی تصاویر پاتولوژی ارائه شده است. برای اینکار از هیستوگرام آماری مرتبه دوم معمولی و تفاضلی استفاده نموده و ده ویژگی آماری مختلف از روی آنها محاسبه و بررسی شده است. صد تصویر پاتولوژی بافت ریه شامل الگوهای خوش خیم و بدخیم با نتایج تخیصی معین بعنوان الگوهای آزمایشی انتخاب و با دقت ۳۰۰dpi اسکن و ذخیره شدند. با استفاده از الگوهای آزمایشی و استفاده از الگوریتم های مختلف، توانایی هر ویژگی به تنهایی و در کنار سایر ویژگیها ارزیابی و نهایتاً پنج ویژگی که بهترین میزان تابع ارزیابی عملکرد را از خود نشان داده بودند جهت معیارهای کلاسیفایرها انتخاب گردیدند. در بین انواع کلاسیفایرهایی که در این تحقیق تحت طراحی و آزمایش قرار گرفته اند، در بهینه ترین حالت با استفاده از کلاسیفایر آموزش پذیر با الگوریتم آموزش پرسپترون و استفاده از یک شبکه عصبی با معماری دولایه به سیستمی با دقت صحت مثبت Tp=73% و خطای مثبت FP=35% دست یافته ایم.