ارائه روشی جهت بهبود تشخیص زود هنگام سرطان پوست (ملانوما) مبتنی بر الگوریتم جستجوی عروس دریایی

هدف این مقاله، ارائه روشی برای استخراج ویژگی از تصاویر به منظور بالا بردن دقت تشخیص سرطان پوستی ملانوم می باشد. در دنیای امروز نقش مهندسی در پزشکی روز به روز افزایش پیدا کرده و تشخیص بیماری ها توسط توسعه دادن تکنولوژی تصویربرداری و پردازش این تثاویر، سریع تر، آسان تر و دقیق تر شده است. پوسته های رنگینه به سه دسته خوش خیم، دیسپلاستسک، و ملانوما تقسیم می شوند. ملانو نوعی سرطان پوست بوده و اغلب در سلول هایی از پوست به نام ملانوسیت شروع می شود. در قسمت هایی از جهان بخصوص در کشورهای غربی، ملانوما بیشتر از سایر مناطق بوده است. تشخیص ملانوما در مراحل نخست بیماری می تواند بطور چشمگیری از مرگ ناشی از سرطان مهلک پوست جلوگیری نماید. ار آن جایی که تشخیص این بیماری در مراحل نخست، حتی توسط پزشکان کارآمد به سختی انجام می پذیرد، ارائه روشی که تشخیص ملانوما را در مراحل اولیه آسان نماید بسیار مفید و ارزنده است. در روش پیشنهادی ابتدا تصاویر درماتوسکوپی تحت پیش پردازش های لازم قرار گرفته سپسبا شبیه سازی یک فیلتر نمونه، به حذف بازتابش نور از سطح ضایعه، کاهش تاثیر نویز نور محیطی، و همچنین کاهش سایه پرداخته شده سپس با مرزبندی دقیق تصویر، به استخراج ویژگی های مناسبی از ضایعات پوستی پرداخته و ویژگی های استخراج شده در یک بردار با نام بردار ویژگی قرار داده شده اند. در نهایت، به کارگیری روش طبقه بندی مناسب و کارآمد مانند شبکه های عصبی (NN) و بهبود عملکرد با استفاده از الگوریتم جستجوی عروس دریایی جهت تفکیک ضایعات پوستی بمنظور تشخیص نوع بیماری فرد مبتلا، موثر خواهد بود. این الگوریتم با دقت ۹۸.۹% در تشخیص ملانوما موفق بوده است. نتایج حاصل از شبیه سازی، نشان دهنده سادگی و دقت بالای روش ارائه شده است.

کلیدواژه ها:

پردازش تصویر ، ملانوما ، طبقه بندی ، استخراج ویژگی ، شبکه های عصبی ، الگوریتم جستجوی عروس دریایی