مجله علمی

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

---

مقدمه: سرطان پستان یکی از شایع ترین سرطان ها بین بانوان می باشد. با توجه به اهمیت غربالگری سرطان پستان و نقش آن در شناسایی به موقع بیماران و همچنین کاهش هزینههای درمان، جزو اولویت های بهداشتی یک کشور قرار می گیرد.تصویربرداری حرارتی به دلیل سرعت عملکرد در تشخیص و عدم تابش پرتو مضرر می تواند در این مرحله از جایگاه ویژه ای برخوردار می باشد. موارد و روش ها : در روش ارایه شده سعی شده است از هوش مصنوعی در جهت شناسایی و غربالگری سرطان پستان استفاده شود تا خطای احتمالی ناشی از تشخیص پزشک تا حد امکان کاهش یابد. به همین منظور ابتدا به کمک شبکه های عصبی خودسازمان ده به خوشه بندی یک تصویر حرارتی که از بیمارگرفته شده است می پردازیم سپس نواحی مشکوک را ازتصویر جداسازی می نماییم نتیجه این مرحله را به الگوریتمی شبیه الگوریتم ابتدایی اما با مشخصات متفاوت اعمال مینمایم تا ویژگی های تشخیصی برای غربالگری استخراج شود این ویژگی ها در نهایت به شبکه های عصبی M‏LP داده خواهد شدتا فرایند غربالگری به اتمام برسد. نتایج: تعداد تصاویری که برای این تحقیق در جهت آزمایش در نظر گرفته شده است شامل دو پایگاه 022 نفری و یک پایگاه 02 نفری از بیماران بوده % است که در مورد اول 50 نفر و در مورد دوم 4 نفر سرطانی بوسیله ماموگرافی تشخیص داده شده اند. نتایج حاصل از روش در پایگاه اول حساسیت 39 و در پایگاه دوم 522 % را نشان می دهد. بحث و نتیجه گیری : نتایج این تحقیق بیانگر آن است که تصاویر حرارتی به کمک روش ارایه شده که مبتنی بر هوش مصنوعی می باشد می تواند در غربالگری سرطان پستان به دلیل عدم تابش پرتو مضرر از جایگاه ویژه ای برخوردار باشد. همیشه مواردی وجود دارد که پزشک نمی تواند با قاطعیت بگوید که الگوی مشاهد شده در عکس خوش خیم یا بدخیم است در این موارد پاسخ مدل کامپیوتری می تواند راهنمای بسیار خوبی برای پزشک باشد تا او بتواند با تکیه بر پاسخ مدل کامپیوتری با صراحت بیشتری نسبت به نوع الگوی تصویر برداری اظهار نطر نماید.

واژه‌های کلیدی: غربالگری سرطان پستان، شبکه های عصبی خود سازمان یافته، شبکه های عصبی MLP

متن کامل [PDF 1128 kb]   (5488 دریافت)    

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:

---