تشخیص سرطان سینه با کمک مدل ترکیبی DWT و SVM

با پیشرفت تصاویر دیجیتالی ، کشف دانش بسیار مشکل خواهد بود. تشخیص بیماری با کمک تصاویر بسیار مورد توجه قرار گرفته شده است . بیماری سرطان سینه در زنان یکی از شایع ترین بیماری ها است که اگر در مراحل اولیه کشف شود می تواند کاهش زیادی در مرگ و میر داشته باشد. با توجه به این موضوع به نظر میرسد که نیازمند یک روش هوشمند مناسب جهت تشخیص این بیماری در مراحل وجود داشته باشد. روش معرفی شده در اینجا یک مدل مبتنی بر ماشین بردار پشتیبان همراه با موجک است که در مراحل اولیه ویژگی های مختلف استخراج و با کمک دسته بند فازی ، دسته بندی می شوند. نتایج دسته بندی با سه روش کلاس بند مورد ارزیابی قرار گرفته و ماکزیمم جواب بدست آمده از این سه روش به عنوان نمونه کلاس درنظر گرفته شده است . روش پیشنهادی دقتی در حدود ۹۱ درصد را بدست آورده است .

کلیدواژه ها:

سرطان سینه ، منطق فازی ، کلاس بندی ، ماشین بردار پشتیبان