TY - JOUR T1 - Intelligent Diagnosis of Actinic Keratosis and Squamous Cell Carcinoma of the Skin, Using Linear and Nonlinear Features Based on Image Processing Techniques TT - شناسایی هوشمند سرطان پوست آکتینیک کراتوزیس و کارسینومای سلول سنگفرشی با استفاده از ویژگی‌های خطی و غیر‌خطی بر پایه تکنیک‌های پردازش تصویر JF - jhbmi JO - jhbmi VL - 8 IS - 1 UR - http://jhbmi.ir/article-1-583-fa.html Y1 - 2021 SP - 67 EP - 83 KW - Skin Cancer KW - Actinic Keratosis KW - Squamous Cell Carcinoma KW - Image Processing KW - Intelligent Diagnosis N2 - 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. M3 ER -