تشخیص سرطان خون در پردازش تصویر با ماشین بردار پشتیبان و الگوریتم k-means

لوسمی یا لوکمیا گروهی از انواع سرطان خون است. لوسمی عمدتا به عنوان لوسمی لنفوبلاستی حاد (ALL)، لوسمی میلوئید حاد (AML)، لوسمی لنفوسیتی مزمن (CLL) و لوسمی مزمن میلوئید (CML) طبقه بندی می شود. تشخیص زودهنگام این سرطان می تواند امکان شیوع ان و در نتیجه احتمال مرگ و میر را کاهش دهد. این پژوهش تلاش می کند روشی برای تشخیص و طبقه بندی لوسمی را طراحی کند. روشهای زیادی برای تشخیص سرطان پیشنهاد شده است که در این مقاله قصد داریم با استفاده از پردازش تصاویر پزشکی دقت طبقه بندی بیماری سرطان خون را افزایش دهیم و همچنین به کاهش خطای طبقه بندی بیماری و کاهش خطای عدم تشخیص بیماری یا تشخیص اشتباه ان کمک نماییم برای رسیدن به این منظور، ابتدا با افزایش کنتراست تصویر، کیفیت تصویر را ارتقا می دهیم. تصاویر با استفاده از الگوریتم خوشه بندی k-mean قطعه بندی شده اند. اجزای مورفولوژیکی لنفوسیت های طبیعی و لوسمی به طور قابل توجهی متفاوت هستند. از این رو ویژگی های مختلف از تصاویر لنفوسیتی قطعه بندی شده، برای هدف تشخیص استخراج می شود. در مرحله بعد با استفاده از الگوریتم ازدحام ذرات بهترین ویژگی را انتخاب و در پایان لوسمی با استفاده از طبقه بندی SVM طبقه بندی می شود.

کلیدواژه ها:

طبقه بندی ماشین بردار پشتیبان ، اجتماع ذرات ، خوشه بندی K-mean ، قطعه بندی