فهرست نشریات علمی دسترسی آزاد ایران

سیستم‌های تشخیص هوشمند پزشکی امروزه به لطف هوش مصنوعی، دچار تغییرات و همچنین چالش‌هایی شده‌اند. یکی از این سیستم‌های هوشمند پزشکی، سیستم‌های تشخیص و طبقه‌بندی توده‌های سرطانی از نواحی سینه می‌باشد. تشخیص زودهنگام می‌تواند منجر به افزایش گزینه‌های درمانی شود. انواع تکنیک‌های غربالگری برای سرطان سینه مانند ماموگرافی، MRI و التراساند وجود دارد. بسته به روش تشخیص نوع توده‌های سرطانی، از هرکدام از این تصاویر استفاده ‌شده و تکنیک‌های پردازشی متفاوتی برای آنها ارائه‌شده است. این تحقیق به استفاده از مجموعه داده‌های ماموگرافی MIAS می‌پردازد و بر اساس اصول پردازش تصویر و یادگیری ماشین، سعی در تشخیص و طبقه‌بندی توده‌های خوش‌خیم، بدخیم و مشکوک را دارد. لذا به ارائه یک رویکرد تکامل‌یافته می‌پردازد، بدین‌صورت که در ابتدا عملیات پیش‌پردازش با هدف کاهش نویز و بهسازی تصویر مبتنی بر روش پیشنهادی Quantum Inverse MFT انجام می‌شود و سپس بر اساس شدت روشنایی و لبه، عملیات تقطیع تصویر با استفاده از الگوریتم عنکبوت اجتماعی صورت می‌گیرد. در ادامه عملیات استخراج ویژگی‌ها و طبقه‌بندی با هدف تشخیص نوع توده‌های سرطانی، با روش Extereme Learning Machine و مدل توسعه‌یافته آن یعنی Moore Penrose Matrix - Extereme Learning Machine  انجام می‌شود. نتایج تحقیق نشان می‌دهد که رویکرد پیشنهادی از لحاظ معیارهای ارزیابی همچون دقت، حساسیت، نرخ ویژگی‌ها و همین‌طور ROC و AUC نسبت به روش‌های پیشین دارای برتری عملکردی است.