تشخیص سرطان ریه با استفاده از شبکه عصبی RBF و الگوریتم ژنتیک

در این مقاله روشی برای تشخیص سرطان ریه در مراحل اولیه با استفاده از شبکه عصبی RBF و الگوریتم ژنتیک (GA) ارایه شد. استفاده از الگوریتم بهینه سازی GA برای مقابله با محدودیت های شبکه عصبی RBF اجازه میدهد تا پزشکان برآمدگیهای موجود در تصاویر توموگرافی (CT) ریه را در مراحل اولیه کشف و سرطان ریه را شناسایی کنند. ازآنجاییکه تفسیر دستی CT سرطان ریه بسیار وقت گیر است و مورد انتقاد زیادی قرار میگیرد، برای حل این مشکل روش الگوریتم ژنتیک با شبکه های عصبی RBF ترکیب شده است که تصاویر سرطان را سریع و موثر طبقه بندی میکند. برای ارزیابی از شش مجموعه تصاویر CT شامل تصاویر سرطان و غیر سرطان استفاده است و با جعبه ابزار پردازش تصویر متلب طبقه بندی این تصاویر انجام شد. سپس، معیارهای ارزیابی دقت، بازخوانی و سنجش F مورد تحلیل قرار گرفتند. نتایج ارزیابی عملکرد مناسب روش پیشنهادی را در مقایسه با روشهای پایه نشان میدهد.

کلیدواژه ها:

تشخیص سرطان ریه ، تصاویر توموگرافی ، فیلترگابور ، الگوریتم ژنتیک ، شبکه عصبی RBF