مجله انفورماتیک سلامت و زیست پزشکی
دوره 8، شماره 1 - ( 3-1400 )
جلد 8 شماره 1 صفحات 83-67 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Nazanin N, Karimi Moridani M, Mahmoudi H. Intelligent Diagnosis of Actinic Keratosis and Squamous Cell Carcinoma of the Skin, Using Linear and Nonlinear Features Based on Image Processing Techniques. , jhbmi. 2021; 8 (1) :67-83
URL: http://jhbmi.ir/article-1-583-fa.html
URL: http://jhbmi.ir/article-1-583-fa.html
نقاش زرگر نازنین، کریمی مریدانی محمد، محمودی حمیدرضا. شناسایی هوشمند سرطان پوست آکتینیک کراتوزیس و کارسینومای سلول سنگفرشی با استفاده از ویژگی‌های خطی و غیر‌خطی بر پایه تکنیک‌های پردازش تصویر. , مجله انفورماتیک سلامت و زیست پزشکی. 1400; 8 (1) :67-83
دکتری مهندسی پزشکی، استادیار، گروه مهندسی پزشکی، دانشکده بهداشت و مهندسی پزشکی، دانشگاه علوم پزشکی آزاد اسلامی تهران، تهران، ایران
چکیده: (6456 مشاهده)
مقدمه: اکثر سرطان‌های پوست در مراحل ابتدایی قابل درمان هستند، بنابراین یک تشخیص زودهنگام و سریع می‌تواند برای نجات جان بیماران بسیار حائز اهمیت باشد. امروزه با کمک هوش مصنوعی، تشخیص زودهنگام سرطان در مراحل ابتدایی ممکن شده است.
روش: در این پژوهش توصیفی-تحلیلی، یک سیستم کامپیوتری تشخیصی بر پایه تکنیک‌های پردازش تصویر ارائه شد که برای بیمار بسیار سودمندتر است. در این روش، تصاویر درموسکوپی ثبت شده از دو نوع سرطان آکتینیک کراتوزیس و سرطان کارسینومای سلول سنگفرشی توسط تکنیک‌های پیش‌پردازش بهبود داده شدند و نویزهای احتمالی موجود در آن‌ها حذف شد، سپس توسط روش آستانه‌گذاری بخش‌بندی شدند تا محدوده ضایعه از پوست زمینه جدا شود. در ادامه از این محدوده بخش‌بندی شده اطلاعات و ویژگی‌های بافتی، شکلی و رنگی استخراج شد. در انتها به کمک روش کاهش ویژگی و ماشین بردار پشتیبان (Support Vector Machine) SVM به ارزیابی کیفی و کمی روش پیشنهادی پرداخته شد.
نتایج: داده‌های این مطالعه شامل 100 نمونه تصویر آکتینیک کراتوزیس و 100 نمونه کارسینومای سلول سنگفرشی بود. نتایج مطالعه حاضر نشان داد استفاده از روش الگوریتم ژنتیک به کمک روش ماشین بردار پشتیبان توانست نوع سرطان پوست را با صحت 0/4±99/7% شناسایی کند.
نتیجه‌گیری: تأثیر حضور ویژگی‌های بافتی متفاوت در امر تشخیص نوع ضایعه نشان داد هرچه میزان و تنوع ویژگی‌های استخراج شده از نمونه‌ها بیشتر باشد، آموزش سیستم بهتر و آنالیز دقیق‌تری صورت می‌گیرد.
روش: در این پژوهش توصیفی-تحلیلی، یک سیستم کامپیوتری تشخیصی بر پایه تکنیک‌های پردازش تصویر ارائه شد که برای بیمار بسیار سودمندتر است. در این روش، تصاویر درموسکوپی ثبت شده از دو نوع سرطان آکتینیک کراتوزیس و سرطان کارسینومای سلول سنگفرشی توسط تکنیک‌های پیش‌پردازش بهبود داده شدند و نویزهای احتمالی موجود در آن‌ها حذف شد، سپس توسط روش آستانه‌گذاری بخش‌بندی شدند تا محدوده ضایعه از پوست زمینه جدا شود. در ادامه از این محدوده بخش‌بندی شده اطلاعات و ویژگی‌های بافتی، شکلی و رنگی استخراج شد. در انتها به کمک روش کاهش ویژگی و ماشین بردار پشتیبان (Support Vector Machine) SVM به ارزیابی کیفی و کمی روش پیشنهادی پرداخته شد.
نتایج: داده‌های این مطالعه شامل 100 نمونه تصویر آکتینیک کراتوزیس و 100 نمونه کارسینومای سلول سنگفرشی بود. نتایج مطالعه حاضر نشان داد استفاده از روش الگوریتم ژنتیک به کمک روش ماشین بردار پشتیبان توانست نوع سرطان پوست را با صحت 0/4±99/7% شناسایی کند.
نتیجه‌گیری: تأثیر حضور ویژگی‌های بافتی متفاوت در امر تشخیص نوع ضایعه نشان داد هرچه میزان و تنوع ویژگی‌های استخراج شده از نمونه‌ها بیشتر باشد، آموزش سیستم بهتر و آنالیز دقیق‌تری صورت می‌گیرد.
واژه‌های کلیدی: سرطان پوست، آکتینیک کراتوزیس، کارسینومای سلول سنگ فرشی، پردازش تصویر، شناسایی هوشمند
فایل صوتی [MP3 1477 KB] (281 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |