تشخیص سرطان ریه از تصاویر س ی تی اسکن با استفاده از تاثیر استخراج ویژگی شبکه عصبی کانولوشن

در این مقاله، الگوریتمی برای تشخیص سرطان ریه از تصاویر سی تی اسکن با استفاده از تاثیر استخراج ویژگی از شبکه عصبی کانولوشن (CNN) ارائه شده است. در روش پیشنهادی، برای افزایش سرعت و دقت پردازش، در ابتدا در مرحله پیش پردازش به حذف نویز و افزایش کیفیت تصویر پرداخته شده است. در مرحله بعد، آستانه گذاری جهت قطعه بندی تصاویر به منظور جدا کردن بافت های سالم ریه از تومور و نواحی مشکوک انجام شده است. عملیات قطعه بندی ریه توسط الگوریتم کانتور فعال و الگوریتم واترشد انجام شده و ندولهای داخلی ریه جدا شده اند. سپس، با استفاده از استخراج ویژگی های تصاویر با استفاده از روش شبکه عصبی کانولوشن، ندول های جدا شده برای طبقه بندی نواحی مشکوک به ندول های ریوی در سه دسته، شامل ریه سالم، ندول خوش خیم و ندول بدخیم، دسته بندی می شوند. الگوریتم پیشنهادی برای شناسایی و قطعه بندی ندول های ریوی از تصاویر موجود در پایگاه داده LIDC استفاده شده است. نتایج الگوریتم نهایی نشان می دهد که این روش پیشنهادی با دستیافتن به نرخ حساسیت ۹۳.۵% و دقت ۹۴% در مقایسه با روش های پیشین عملکرد موفقی داشته است.

کلیدواژه ها:

استخراج ویژگی ، قطعهبندی ، سی تی اسکن ، سرطان ریه ، شبکه عصبی کانولوشن (CNN)