چکیده:
تومور استخوان، تودهای از بافت استخوان است که در اثر تقسیم غیرطبیعی و غیرقابلکنترل سلول ها ایجاد می شود. این بیماری معمولا در ساق پا دیده میشود و بیشتر در کودکان و نوجوانان دیده میشود. در این مطالعه روش هوشمندی به منظور تشخیص و تقسیم بندی تومور استخوان بر اساس طبقهبندی کننده شبکه بهینه شده فازی از تصاویر استخوانی اشعه ایکس به دو نوع تومور استخوانی خوش خیم (غیر سرطانی) و تومور استخوانی بدخیم (سرطانی)، ارائه می شود. تصاویر ارائه شده در ابتدا پیش پردازش می شود، که نویز لکه ها حذف شود. سپس داده ها با استفاده از روش خوشه بندی k- means و الگوریتم کرم شب تاب تقسیم بندی می شود.6 ویژگی از تومور استخوان استخراج می شود و سودمندترین ویژگی های استخراج شده با استفاده از رویکرد بهینه ساز کرم شب تاب انتخاب می شوند. در نهایت از روش پیشنهادی شبکه فازی، k- نزدیکترین همسایه و درخت تصمیم برای دسته بندی تصاویر استخوانی استفاده می شود. مقایسه ضرایب دقت، نرخ خطا و منحنی ROC عملکرد برتر روش پیشنهادی در شبکه فازی را نشان میدهد که به ترتیب 100%، 2% و 100% بدست آمد.
خلاصه ماشینی:
طبقه بندی تصاویر اشعه ایکس با روش های شبکه بهینه شده فازی جهت تشخیص تومور استخوان خدیجه صورآذر لاهرود *1، سامان راجبی2 1- دانشجوی ارشد مهندسی پزشکی، موسسه عالی سراج، تبریز، ایران 2- استادیارگروه مهندسی برق، موسسه عالی سراج، تبریز، ایران matinsourazar@gmail.
در این مطالعه روش هوشمندی به منظور تشخیص و تقسیم بندی تومور استخوان بر اساس طبقهبندی کننده شبکه بهینه شده فازی از تصاویر استخوانی اشعه ایکس به دو نوع تومور استخوانی خوش خیم (غیر سرطانی) و تومور استخوانی بدخیم (سرطانی)، ارائه می شود.
در روش پیشنهادی ما، سیستم تشخیصی برای انواع تومور استخوان مبتنی بر تکنیک های کامپیوتری با استفاده از تصاویر x-ray پیشنهاد داده شده است.
این مقاله برای تشخیص سرطان استخوان از روش خوشه بندیk-means و بخش بندی کننده تصاویر الگوریتم کرم شب تاب استفاده می کند و همچنین برای طبقهبندی انواع خوشخیم و بدخیم سرطان استخوان از طبقه بندهای مطرح شده استفاده می شود.
در بررسی های دیگر برای تقسیم بندی دقیق تومور استخوانی، از سیستم استنتاج فازی با تعیین مقادیر تقریبی برای تابع عضویت به عنوان روشی برای شناسایی محل سرطان استخوان توسعه داده شد و سپس برای تشخیص از فرآیند طبقه بندی کننده ماشین بردار پشتیبان (SVM) استفاده شد [12].
سیستم طراحی شده می تواند برای تشخیص و طبقه بندی تومورها در تصاویر x-ray استخوان استفاده شود.
خوشهبندی فازی k-means، انتخاب ویژگی با الگوریتم کرم شب تاب و سیستم استنتاج فازی،k – نزدیکترین همسایه و درخت تصمیم برای تشخیص و طبقهبندی سرطان استخوان در نظر گرفته شده است.
Adaptive FLAME based segmentation and classification for bone cancer detection, International Conference on Artificial Intelligence and Knowledge Discovery in Concurrent Engineering (ICECONF), Chennai, India, pp.