بهبود تشخیص سرطان پوست با استفاده از شبکه عصبی و الگوریتم ژنتیک چند هدفه

سرطان پوست یکی از شایعترین انواع سرطان است که در جهان حداقل 40درصدازموارد انواع سرطان را تشکیل می دهد دریک تحقیق جهانی در سال 2012ملانوما در232000نفردیده شده ومنجر به مرگ 55000نفر شده از آنجا در سرطان ها تشخیص به موقع و درمان مناسب میزان بهبودی وبقای بیماران را بهبود می بخشد بنابراین در حالی که تشخیص سرطان مبتنی بر روش های تداخلی هچون جراحی، رادیوتراپی و شیمی درمانی است، مطالعات نشان می دهند که استفاده از فن آوری های نوین کامپیوتری همچون مکانیسم های پردازش تصویر در فرایند های مربوط به تشخیص و دسته بندی سرطان ها موفق عمل کرده اندپس ما دراین پروژه با استفاده از تصاویر درموسکوپی از ضایعات پوستی وپردازش اولیه(1-حذف زمینه اضافی 2-حذف نویزها وبرچسبهای تصاویر3-حذف مووحباب وروغن ازتصاویر4-افزایش کیفیت تصاویر )سپس استخراج نواحی مشوک وادغام ویژگیهاومحدودکردن ادامه پردازش آن ها براساس ویژگی های بافتی وشکلی وکاهش ابعاد ویژگی باروش LDA(تحلیل الگوی متمایزخطی)که برای پیداکردن بهترین ویژگیها ازبین ویژگیهایی که استخراج نموده ایم از الگوریتم ژنتیک چندهدفه رتبه بندی نامغلوب (NSGA-II)بهره برده ایم که باتوجه به اهمیت موضوع علاوه برسرعت ،دقت بالایی نیز داردودرانتها باآموزش یک شبکه عصبی پس انتشار خطا،سیستمی طراحی کردیم که به دلیل دقت وسرعت بالای تشخیص جایگزین مناسب برای تشخیص خانگی وروشهای مشابه می باشد.

کلیدواژه ها:

سرطان پوست ، ملانوما ، پردازش تصویر ، الگوریتمLDA ، الگوریتمNSGA-II ، الگوریتم شبکه عصبی پس انتشارخطا