fa طراحی سیستم تشخیص ندول های ریوی از روی تصاویر سی‌تی‌اسکن ریه با استفاده از طبقه‌بندی کننده ماشین بردار پشتیبان تخصصي Special پژوهشي اصیل Original Article <p dir="rtl" style="margin-right: 2cm; text-align: justify;"><strong>مقدمه</strong>: تشخیص ندول‌های ریوی به کمک رادیولوژی یکی از روش‌های تشخیص زودرس سرطان در تصاویر سی‌تی‌اسکن است. یکی از چالش<span dir="ltr">&shy;</span>های اصلی برای تشخیص ندول&shy;های ریوی ، مشکل شناسایی و تفکیک ندول<span dir="ltr">&shy;</span>های ریوی از اجزا ریه می&shy;باشد. در این پژوهش یک سیستم تشخیص به کمک کامپیوتر جهت شناسایی این ندول ها معرفی شده است.</p> <p dir="rtl" style="margin-right: 2cm; text-align: justify;"><strong>روش:</strong> این پژوهش مطالعه&shy;ای توصیفی، تحلیلی بوده که به روی 97 تصویر سی&shy;تی اسکن انجام شده است. جهت تشخیص ندول&shy;های ریوی از طبقه‌بندی کننده‌ی ماشین بردار پشتیبان و الگوریتم ژنتیک به کمک نرم افزار متلب استفاده شده است.</p> <p dir="rtl" style="margin-right: 2cm; text-align: justify;"><strong>نتایج:</strong> در این پژوهش در مورد ریه، سعی در دسته‌بندی نواحی تصاویر، به دو دسته دارای ندول و بدون ندول شده است. تحقیق حاضر درصدد ایجاد چارچوبی کاملاً خودکار برای شناسایی ندول‌های ریوی در تصاویر سی‌تی‌اسکن قفسه سینه می‌باشد. این چارچوب بخشی اساسی از سیستم شناسایی به کمک کامپیوتر بوده که در شناسایی دقیق و سریع‌تر ندول&shy;های ریوی به رادیولوژیست کمک می‌نماید.</p> <p dir="rtl" style="margin-right: 2cm; text-align: justify;">&nbsp;<strong>نتیجه &shy;گیری:</strong> با توجه به نتایج حاصل از این مطالعه، برای تشخیص مناطق مشکوک به ندول، سیستم پیشنهادی به‌طور مؤثری در تشخیص ندول‌های مشکوک و مناطق آن‌ها نسبت به روش‌های قبلی بهتر عمل کرده است.</p> <div style="text-align: justify;"><strong>Introduction:</strong> Detection of pulmonary nodules using CT scan images is one of the methods for early detection of cancer. One of the main challenges for the detection of pulmonary nodules is identifying pulmonary nodules and differentiating them from lung components. In this study, a computer-aided detection system is proposed for the detection of these nodules.<br> <strong>Methods:</strong> In this descriptive analytical study, 97 chest CT-scan images were studied. To detect pulmonary nodules, support vector machine classifier and Genetic algorithm by MATLAB software were used.<br> <strong>Results:</strong> In this research on the lung, the areas of images were classified into the two groups of with nodule and without nodule and it was tried to create a fully automated framework to detect lung nodules in the chest CT images. This framework is an essential part of the computer-aided detection system that helps radiologists to detect lung nodules more accurately and rapidly.<br> <strong>Conclusion</strong>: According to the results of this study, the proposed system is more efficient than the previous methods for detecting suspicious nodules.<br> &nbsp;</div> ندول‌های ریوی, تصاویر سی‌تی‌اسکن, طبقه‌بندی کننده‌ی ماشین بردار پشتیبان. Pulmonary Nodules, CT Scan Images, Support Vector Machine Classifier 300 309 http://jhbmi.ir/browse.php?a_code=A-10-229-1&slc_lang=fa&sid=1 Hamidreza Ghaffari حمیدرضا غفاری hghaffri@ferdowsiau.ac.ir 10031947532846003573 10031947532846003573 No دکتری مهندسی کامپیوتر، استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد فردوس، دانشگاه آزاد اسلامی، فردوس، ایران. Mostafa Mosteshari مصطفی مستشاری mosteshari.mostafa@yahoo.com 10031947532846003574 10031947532846003574 Yes M.Sc. Computer Engineering, Department of Computer Engineering, Ferdows Branch, Islamic Azad University, Iran. کارشناس ارشد مهندسی کامپیوتر، گروه کامپیوتر، واحد فردوس، دانشگاه آزاد اسلامی، فردوس، ایران. Maryam Sadat Mahmoodi مریم سادات محمودی m_mahmoodi_64@yahoo.com 10031947532846003575 10031947532846003575 No کارشناس ارشد علوم کامپیوتر، مربی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران.