رده بندی خوش خیم و بدخیم بودن سرطان پستان در تصاویر پزشکی بر اساس بعد فرکتال و یادگیری ماشین

در این مقاله یک روش جدید بر اساس بعد فرکتال و الگوریتم های یادگیری ماشین برای طبقه بندی تومورهای سرطان پستان پیشنهاد شده است. قطعه بندی تصویر برای بدست آوردن ویژگی های بعد فرکتال، ویژگی های زرنیک مومنت و استفاده از ویژگی های هندسی این ابعاد اساس استخراج ویژگی ها را تشکیل می دهد. در روش پیشنهاد شده بعد از استخراج ویژگی ها، انتخاب مهم ترین ویژگی و حذف ویژگی های زاید فرایند دیگری است که برای این عمل از الگوریتم ژنتیک استفاده شده است. سپس ویژگی های انتخاب شده با الگوریتم یادگیری تنبل عمل طبقه بندی انجام می گیرد. نتایج شبیه سازی شده بر روی پایگاه داده استاندارد Mini-Mias نشان می دهد که روش پیشنهادی با دقت رده بندی ۹۳.۱۰% عملکرد لازم را در استفاده از این تکنیک به عنوان رده بندی سرطان پستان داراست، همچنین مقایسه روش پیشنهادی با سایر روش ها مشابه، نشان می دهد این روش کیفیت مطلوبی را در بین سایر الگوریتم ها داراست.

کلیدواژه ها:

طبقه بندی ، سرطان پستان ، بعد فرکتال ، یادگیری ماشین ، تصاویر پزشکی