تشخیص موثر بیماری های دهانی با استفاده از الگوریتم های یادگیری ماشین: یک مدل یکپارچه و مقایسه ای

سیستم های دسته بندی به طور گسترده ای در حوزه پزشکی برای تشریح داده های ثبت شده بیماران و استخراج یک مدل پیش بین به کار گرفته شدند. سیستم های تشخیصی به کمک کامپیوتر می تواند قابلیت تشخیصی متخصصین را افزایش دهد و زمان مورد نیاز برای تشخیص صحیح را کاهش دهد. از جمله حوزه هایی که متدهای هوشمند خصوصا روشهای دسته بندی کمتر ورود کرده اند، حوزه دندانپزشکی می باشد. لوکوپلاکیا، لیکن پلان و کارسینوم سلولهای سنگفرشی دهان از شایعترین اختلالات و ضایعات دهانی می-باشند. پژوهشهای محدودی در این حیطه صورت گرفته است که هر کدام یک تکه از پازل تشخیصی را پر می کنند. اما هدف ما در این تحقیق، ارائه یک فرآیند جامع از ابتدای مراجعه بیمار به پزشک تا نهایتا تصمیم به تشخیص ضایعه پیش سرطانی و یا احیانا سرطانی می باشد. تصاویر متعددی از بیماران مبتلا به این بیماری ها تهیه شده است. با استفاده از فیلتر تیزکننده ارتقا کیفیت تصاویر صورت گرفت. سپس با استفاده از روش قدرتمند و مقاوم استخراج ویژگی surf و الگوریتم خوشه بندی K-means، ۳۰ ویژگی مناسب و غنی استخراج شدند. طبقه بندی تصاویر ورودی با استفاده از ماشین بردار پشتیبان، پرسپترون چندلایه، توابع پایه شعاعی، درخت تصمیم و دسته بندی کننده هایبیزیانجام شد. سپس نتایج به دست آمده با هم مقایسه شدند. ماشین بردار پشتیبان به دلیل ویژگی های خاص خود نسبت به سایر روش ها با دقت ۹۵ درصد برتری دارد. برتری ماشین بردار پشتیبان تا حدودی زیاد بر سایر روشها مشهود است. در حقیقت برای نخستین بار یک مدل یکپارچه تشخیصی از عکسبرداری تا تشخیص ضایعات دهانی با دقت قابل قبول معرفی شده است.

کلیدواژه ها:

الگوریتم های یادگیری ماشین ، دسته بندی ، استخراج ویژگی ، ضایعات دهانی