تشخیص و طبقهبندی تومور مغزی با استفاده از نرم افزار متلب و الگوریتم ژنتیک

این پژوهش با بررسی داده های تصویربرداری مغزی، به تحلیل سازوکارهای هوشمند در فرآیند تشخیص و طبقهبندی تومورهای مغزی پرداخته بود و هدف آن ارائه مدلی دقیق و کارآمد جهت افزایش صحت تصمیم گیری های کلینیکی بود. در این مسیر، داده های MRI به عنوان ورودی اولیه انتخاب شده بودند و پس از انجام مراحل پیش پردازش شامل کاهش نویز، بهبود کنتراست و هم ترازی تصاویر، فرآیند استخراج ویژگی آغاز شده بود. ویژگی ها در حوزه های آماری، متنی، فرکانسی و مورفولوژیکی استخراج شدند و نقش هر یک در تفکیک بافت سالم از توموری به طور کمی تحلیل گردیده بود. سپس الگوریتم ژنتیک به عنوان یک رویکرد تکاملی و الهام گرفته از فرآیندهای طبیعی، جهت بهینه سازی انتخاب ویژگی ها و افزایش کارایی طبقهبندی به کار گرفته شده بود. این الگوریتم با تولید و ارزیابی نسل هایی از پاسخ های ممکن، به یافتن ترکیب ویژگی هایی پرداخته بود که بیشترین تمایز را بین کلاس های مختلف تومور فراهم می کردند. کل فرایند در محیط نرم افزاری متلب پیاده سازی و اجرا شده بود و به گونه ای طراحی شده بود که امکان اصلاح و توسعه در فازهای مختلف تحلیل را فراهم کند. ارزیابی عملکرد مدل پیشنهادی با بهره گیری از شاخص های استاندارد نظیر دقت (Accuracy)، حساسیت (Sensitivity)، ویژگی (Specificity) و نرخ طبقهبندی صحیح صورت پذیرفته بود. نتایج آماری نشان داده بود که استفاده از الگوریتم ژنتیک نه تنها منجر به کاهش پیچیدگی محاسباتی مدل گردیده، بلکه دقت طبقهبندی نیز به طور چشمگیری افزایش یافته بود. در این تحلیل، مقایسه میان عملکرد الگوریتم ژنتیک با سایر روش های بهینه سازی و انتخاب ویژگی نیز انجام گرفته و برتری نسبی این روش مورد تایید قرار گرفته بود. همچنین پایداری عملکرد مدل در برابر داده های نویزی، ناهماهنگ یا با کیفیت پایین مورد آزمون قرار گرفته و نتایج رضایت بخش گزارش شده بود. در نهایت، یافته های این پژوهش نشان داده بود که ترکیب توانمندی الگوریتم های تکاملی با قدرت پردازشی محیط هایی نظیر متلب می تواند بستری مناسب برای توسعه سیستم های تشخیص پزشکی هوشمند فراهم آورد. این مطالعه گامی موثر در جهت به کارگیری روش های محاسباتی پیشرفته در خدمت سلامت و تشخیص زودهنگام بیماری های مغزی به شمار رفته و قابلیت تعمیم آن به سایر کاربردهای پزشکی نیز مورد بررسی قرار گرفته بود.

کلیدواژه ها:

تشخیص و طبقهبندی تومور مغزی ، نرم افزار متلب ، الگوریتم ژنتیک