مائده رجبی هتکه پشتی - دانشجوی کارشناسی ارشد، کامپیوتر- هوش مصنوعی و رباتیک، موسسه آموزش عالی روزبهان، ساری
حسام عمرانپور - استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
ابوالفضل لاکدشتی - دکتری مهندسی کامپیوتر سخت افزار، موسسه آموزش عالی روزبهان، ساری

سرطان خون یکی از شایع ترین و خطرناک ترین انواع سرطان است. تشخیص زودهنگام این سرطان میتواند امکان شیوع آن و در نتیجه احتمال مرگ و میر را کاهش دهد. امروزه استفاده از تصاویر پزشکی در تشخیص بیماری های مختلف بسیار افزایش یافته است. مساله اصلی این است که اکثر روشهای این حوزه در برخی از شاخص ها دارای ضعف می باشند و از دقت تشخیص کافی برخوردار نیستند. در این مقاله قصد داریم با بهبود روش شبکه های عصبی به کمک مدل باراباسی آلبرت که یک روش بهینه ساز شبکه های عصبی ست، دقت طبقه بندی بیماری سرطان خون را افزایش دهیم و همچنین به کاهش خطای طبقه بندی بیماری و کاهش خطای عدم تشخیص بیماری و یا تشخیص اشتباه آن کمک نماییم. روش پیشنهادی بر روی 50 تصویر سالم و بیمار پیاده سازی شد و نتایج نشان دهنده این است که طبقه بندی با استفاده از روش پیشنهادی دارای دقت و صحت بالایی نسبت به روش های موجود، از جمله استفاده از شبکه های عصبی (بدون مدل باراباسی آلبرت) می باشد. استفاده از الگوریتم باراباسی آلبرت سبب شده است که دقت طبقه بندی در روش پیشنهادینسبت به روش شبکه عصبی حدود 6 درصد افزایش و نیز صحت طبقه بندی در روش پیشنهادی نسبت به روش شبکه عصبی حدود 4 درصد افزایش داشته است

سرطان خون، شبکه های عصبی پس انتشار خطا، باراباسی آلبرت، طبقه بندی