ارائه یک سیستم هوشمند به منظور تشخیص بیماری سرطان معده بر اساس الگوریتم طبقه بندی ماشین بردار پشتیبان (SVM)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,602

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_183

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

در کشور ما سرطان معده جزو شایعترین بدخیمی ها بوده و میزان بروز آن در منطقه شمال شرق کشور بالاست. در این تحقیق روش جدیدی برای تشخیص بیماری سرطان معده ارائه شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص، بموقع و صحیح آن می باشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانسته های خود، آزمایشات پیچیده و وقت گیر به این بیماری پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ در این تحقیق داده های 52 فرد مورد ارزیابی قرار گرفتند. با استفاده از فرآیندهای پردازش تصویر و الگوریتم های هوشمند مصنوعی شامل، پیش پردازش های اولیه به منظور بهبود کیفیت و ویژگی های آماری تصویر، الگوریتم هیستوگرام تصویر (Histogram) به منظور استخراج ویژگی های بیماران و الگوریتم ماشین بردار پیشتیبان (SVM) به منظور طبقه بندی صحیح بین بیماران و موارد مشکوک د رجهت شناسایی و تشخیص بیماری استفاده شده است. سیستم پیشنهادی با استفاده از ترکیب روش های مذکور موفق شد با تکیه بر ویژگی های پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی 85.8% دست یابد. روش های حاضر علی رغم دقت بالا، هزینه بر و وقت گیر می باشند؛ که با مقایسه این روش با روش های مذکور به دقت و کارایی آن پی خواهیم برد.

کلیدواژه ها:

سرطان معده ، بیمار ، الگوریتم های هوشمند مصنوعی ، استخراج ویژگی ، ماشین بردار پشتیبان

نویسندگان

دانیال احمد زاده

دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه علوم و تحقی

محمد فیوضی

دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه حکیم سبزواری و مرکز تحقی

جواد حدادنیا

استاد دانشگاه حکیم سبزواری، مرکز تحقیقات فناوری های نوین پزشکی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • templates for multiple classifier fusion: an Decisionه 6- L.I. Kuncheva; ...
  • تشخیص بیماری دیابت با استفاده از الگوریتم SVM [مقاله کنفرانسی]
  • ]- Fuchs CS, Mayer RJ. Gastric carcinoma. N Engl J ...
  • Breaux JR, Bringaze W, Chappuis C, Cohn L. Jadeno carcinoma ...
  • Abeloff MD. Clinical Oncology. 2nd ed. New York, Churchill Livingstone, ...
  • Sadjadi A, Nouraie M, Mohagheghi MA, M ousavi-Jarrah A, Malekezade ...
  • Rangayyan, R. M. (2005). Biomedical Image Analysis. Canada, CRC Press. ...
  • Bi. Yaxin; Bell. David; Wang. Hui; Guo. Gongde; Guan. Jiwen, ...
  • L.I. Kuncheva, Combining Pattern Classifiers, Methods and A lgorithms, New ...
  • S. Tulyakov; S. Jaeger; V. Govindaraju; D. Doermann, "Review of ...
  • M. Sugeno, ،"Industrial Applications of Fuzzy Control", Elsevier, Book, New ...
  • new lo _ allyconvergent particle SWarm optimizer", IEEE, A:ه 11- ...
  • J.Kittler; M.Hatef; R.Duin P. W; J.Matas, :On Combining Classifiers", IEEE ...
  • S. Tulyakov; S. Jaeger; V. Govindaraju; D. Doermann, "Review of ...
  • Jemal, A., R. Siegel, et al. (2008). "Cancer Statistics, 200)8." ...
  • Gouveia, J., M. P. Coleman, et al. (2008). "Improving cancer ...
  • Fuchs CS, Mayer RJ. Gastric carcinoma. N Engl J Med ...
  • Abeloff MD. Clinical Oncology. 2nd ed. New York, Churchill Livingstone, ...
  • Abeloff MD. Clinical Oncology. 2nd ed. New York, Churchill Livingstone, ...
  • X. Feng and J. Zhang and Z. Yang, "Adaptive Particle ...
  • M. norozie Beyrami "Improve the convergence of the algorithm of ...
  • Linda G. Shapiro and George C. Stockman (2001): "Computer Vision", ...
  • "Computer Vision", pp 279-325, New Jersey, Prentice- Hall, ISBN, 0- ...
  • Zhai L, Dong S, and Ma H, " Recent Methods ...
  • A.Baraldi, and P.Blonda, _ Survey of Fuzzy Clustering Algorithms for ...
  • نمایش کامل مراجع