فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله، با استفاده از شبکه‌های عصبی مصنوعی، روشی برای طبقه‌بندی تصاویر مقطع نگاری رایانه‌ای ریه با هدف تشخیص زودهنگام سرطان ارائه شده است. برای این منظور، با استفاده از تصاویر مقطع نگاری رایانه‌ای، کل ریه قطعه‌بندی شده و پارامترهای آماری همچون میانگین، انحراف معیار، چولگی، کشیدگی، گشتاور مرکزی مرتبه پنجم و گشتاور مرکزی مرتبه ششم از روی تصاویر قطعه‌بندی شده محاسبه می‌شوند. در فرایند طبقه‌بندی از شبکه‌های عصبی پیشخور انتشار به عقب استفاده شده است. نتایج نشان می‌دهد در میان توابع آموزشی موجود برای آموزش شبکه‌­های عصبی انتشار به عقب، بهترین دقت طبقه‌بندی با استفاده از تابع آموزشی Traingdx و با دقت % 91.1 حاصل شده است. همچنین، دو تابع آموزشی جدید نیز در این مقاله معرفی شده‌اند که یکی از آن‌ها با دقت % 93.3، تشخیص % 100، حساسیت % 91.4 و حداقل میانگین مربعات خطای 0.998 و دیگری با دقت % 93.3 و حداقل میانگین مربعات خطای 0.0942 به نتایج قابل قبولی دست یافته اند. به‌طور کلی، تشخیص زودهنگام سرطان با استفاده از شبکه‌های عصبی مصنوعی امیدوارکننده‌ترین راه برای افزایش شانس زنده‌ماندن بیماران است.