فهرست نشریات علمی دسترسی آزاد ایران

سرطان معده در ایران اولین عامل و در سطح دنیا پنجمین عامل پیشتاز سرطان می‌باشد. اگر این بیماری در مراحل اولیه تشخیص داده شود، احتمال درمان بیشتر و هزینه‌های آن کاهش چشمگیری خواهد داشت. به دلیل پیچیدگی تصاویر پاتولوژیستی و چالش‌های اساسی موجود در این تصاویر نظیر کنتراست ضعیف بین سلول‌ها، هم‌پوشانی سلول‌ها و تناقض در رنگ‌آمیزی بافت، فرایند تشخیص این‌ نوع بیماری با مشکل روبرو می‌شود؛ بنابراین در این پژوهش، مدل هوشمند جدیدی جهت حل این مشکلات ارائه گردیده است؛ به گونه‌ای که ابتدا از الگوریتمی مبتنی بر کلاه بالا به پایین جهت بهبود کیفیت تصویر بهره گرفته شده و سپس با استفاده از روش‌های خوشه‌بندی فازی، تبدیل موجک گسسته، رشد منطقه و مکانیزم رای‌گیری جهت تشخیص سلول‌ها اقدام می‌شود. سپس با کمک یک روش مبتنی بر عملیات مورفولوژی پیشرفته، سلول‌های دارای هم‌پوشانی از یکدیگر جدا می‌شوند و در نهایت ویژگی‌های سلول، استخراج و به کمک الگوریتم ماشین‌بردار پشتیبان با کرنل (RBF)، طبقه‌بندی می‌گردند. الگوریتم ارائه شده بر روی ۹۶ تصویر دیجیتال میکروسکوپی بیماران بیمارستان بقیه‌الله اعمال گردیده و با روش تحلیل منحنی ROC ارزیابی شده است. نتایج به دست آمده توسط متخصص پاتولوژیست تایید شده و دقت تشخیص سلول‌های سالم و سرطانی 92.12٪ و سلول‌های خوش‌خیم و بدخیم 94.14٪ می‌باشد که برای تشخیص زود هنگام این نوع سرطان امیدوارکننده است.