fa معرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان بیماریهای پستان Breast Diseases پژوهشي Research <p style="TEXT-ALIGN: justify TEXT-INDENT: 14.2pt MARGIN: 0cm 0cm 0pt unicode-bidi: embed DIRECTION: rtl" dir="rtl" class="MsoNormal"><font face="Times New Roman"><b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">مقدمه:</span></b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA"> تشخیص به‌موقع سرطان پستان به‌طور چشمگیری مرگ­ومیر ناشی از آن را در جامعه زنان کاهش می‌دهد. آزمایش آسپیراسیون سوزنی </span><span dir="ltr"></span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: 'B Mitra'" dir="ltr"><span dir="ltr"></span>(FNA)</span><span dir="rtl"></span></font><span style="FONT-FAMILY: "B Mitra" FONT-SIZE: 11pt mso-bidi-language: FA"><span dir="rtl"></span> </span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA"><font face="Times New Roman">روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش می­شود به‌صورت هوشمند و ماشینی انجام گیرد.<p></p></font></span></p><p style="TEXT-ALIGN: justify TEXT-INDENT: 14.2pt MARGIN: 0cm 0cm 0pt unicode-bidi: embed DIRECTION: rtl" dir="rtl" class="MsoNormal"><b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA"><font face="Times New Roman">روش بررسی­:</font></span></b><b><span style="FONT-FAMILY: "B Mitra" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA"> </span></b><font face="Times New Roman"><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارت‌اند از: ثبت تصاویر میکروسکوپیک از نمونه </span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: '2 Nazanin'" dir="ltr">FNA</span><span dir="rtl"></span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA"><span dir="rtl"></span>، استخراج ویژگی­های عددی از این تصاویر، انتخاب ویژگی­های تفکیک­کننده و طراحی و آزمایش طبقه­بندی­کننده مناسب. در این تحقیق از ویژگی­های آماده پایگاه داده </span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: '2 Nazanin'" dir="ltr">WDBC</span><span dir="rtl"></span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 10pt mso-bidi-language: FA"><span dir="rtl"></span> </span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">که شامل 569 نمونه </span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: '2 Nazanin'" dir="ltr">FNA</span><span dir="rtl"></span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 10pt mso-bidi-language: FA"><span dir="rtl"></span> </span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">می­باشد، استفاده شد. برای انتخاب ویژگی روش جدیدی مبتنی بر الگوریتم بهینه­سازی ذرات دودویی </span><span dir="ltr"></span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: '2 Nazanin'" dir="ltr"><span dir="ltr"></span>(BPSO)</span><span dir="rtl"></span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 10pt mso-bidi-language: FA"><span dir="rtl"></span> </span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">ارائه شد و سرانجام تلفیقی از طبقه­بندی­کننده­های </span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: '2 Nazanin'" dir="ltr">SVM</span><span dir="rtl"></span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 10pt mso-bidi-language: FA"><span dir="rtl"></span> </span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">برای کلاس­بندی نمونه­ها به‌کار گرفته شد. <p></p></span></font></p><p style="TEXT-ALIGN: justify TEXT-INDENT: 14.2pt MARGIN: 0cm 0cm 0pt unicode-bidi: embed DIRECTION: rtl" dir="rtl" class="MsoNormal"><font face="Times New Roman"><b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">یافته­ها:</span></b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA"> سیستم پیشنهادی با استفاده از 28 ویژگی در قالب 5 مدل </span><span style="FONT-SIZE: 10pt mso-bidi-language: FA mso-bidi-font-family: '2 Nazanin'" dir="ltr">SVM</span><span dir="rtl"></span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 10pt mso-bidi-language: FA"><span dir="rtl"></span> </span><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-bidi-language: FA" lang="FA">به دقت شناسایی 100% دست یافت. این سیستم از لحاظ دقت و تعداد ویژگی‌های مورد نیاز بر سیستم­های موجود برتری دارد.<p></p></span></font></p><p align="right"><font face="Times New Roman"><b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-ascii-font-family: 'Times New Roman' mso-bidi-language: FA mso-fareast-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US" dir="rtl" lang="FA">نتیجه­گیری:</span></b><span style="FONT-FAMILY: "2 Nazanin" FONT-SIZE: 11pt mso-ascii-font-family: 'Times New Roman' mso-bidi-language: FA mso-fareast-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US" dir="rtl" lang="FA"> این تحقیق با ارائه یک الگوریتم انتخاب ویژگی کارآمد موفق شده است دقت شناسایی سیستم­های تشخیص سرطان پستان را بهبود دهد. این در حالی است که نسبت به سیستم­های مشابه از تعداد کمتری ویژگی استفاده شده است. از دیگر مزیت­های انتخاب ویژگی این است که علاوه بر تشخیص کلی، تشخیص ناهنجاری­های ناشی از بیماری را نیز ممکن می­سازد.</span></font></p> تشخیص سرطان پستان, نمونه‌برداری با سوزن ظریف (FNA), انتخاب ویژگی, بهینه‌سازی جمعی ذرات دودویی (BPSO), ماشین بُردار پشتیبان (SVM). 33 40 http://ijbd.ir/browse.php?a_code=A-10-4-26&slc_lang=fa&sid=1 محمد علیپور mohammad.alipoor@ymail.com 0003194753284600354 0003194753284600354 Yes دانشکده فنی مهندسی دانشگاه تربیت معلم سبزوار جواد حدادنیا 0003194753284600355 0003194753284600355 No دانشکده فنی مهندسی دانشگاه تربیت معلم سبزوار