تشخیص و طبقه بندی بیماری ریه بوسیله شبکه عصبی پرسپترون چندلایه براساس تصاویر سی تی اسکن

امروزه روش های کامپیوتری توانسته اند کاربردهای مؤثر و چشمگیر ی در حیطه های مختلف به خصوص علم پزشکی داشته باشند. تشخیص زود هنگام بیماری ریه از طریق تصاویر سی تی اسکن یک مسئله مهم است زیرا تشخیص دیر هنگام بیماری ممکن است موجب مرگ بیمار شود. سازمان بهداشت جهانی تخمین می زند که تا چند سال آتی بیماری های مزمن ریوی به خصوص بیماری کووید - 19 (کرونا) اولین علت مرگ و میر در سراسر جهان خواهد بود. در این پژوهش با کمک ماتریس هم رویدادی سطح خاکستری سه ویژگی آماری شامل انرژی، حداکثر احتمال و آنتروپی از تصاویر ریه استخراج شد و در نهایت یک آزمایش طبقه بندی برای تشخیص دو نوع بیماری ریه و ریه سالم با استفاده از یک شبکه عصبی پرسپترون چندلایه که شامل 4 نورون در لایه پنهان و 3 نورون در لایه خروجی است انجام م یپذیرد. این شبکه با استفاده از روش holdout آموزش و اعتبار داده شده است. کارایی روش پیشنهادی بر روی مجموعه تصاویر دو ریه انسان از بیمارستان دانشگا ه والتر برزیل می باشد. نتایج تجربی، دقت 100 ٪ را نشان داد که اثربخشی روش پیشنهادی برای شناسایی ریه سالم و بیماری های مزمن به عنوا ن آمفیزم و فیبروز است که این یک روش مناسب برای غربالگری و تشخیص بیماری ریه است.

کلیدواژه ها:

پردازش تصویر ، ماتریس ه مرویدادی سطح خاکستری ، شبکه عصبی پرسپترون چندلایه ، بیماری ریه ، استخراج ویژگی