بهبود روش تشخیص عارضه های پانکراس با استفاده از تصاویر سی تی اسکن به کمک شبکه عصبی

تشخیص سرطان پانکراس، یکی از موضوعات مهم و مورد توجه در علوم پزشکی است .تشخیص زودهنگام آن،اهمیت زیادی در نجات جان بیماران دارد و می تواند از ایجاد مشکلات و عوارض احتمالی پیشگیری کند.عارضه های پانکراس به پنج دسته ی پانکراتیت، تومور خوش خیم، تومور بدخیم، کیست خوشخ یم و کیستبدخیم تقسیم می شوند. یک سیستم مرکب، از ترکیب طبقه بندهای مختلف بوجود می آید. در این سیستمبه طبقه بندهایی که نتایج آن ها با هم ترکیب می شوند، طبقه بندهای پایه گفته می شود. یکی از متداول ترینطبقه بندهای پایه شبکه های عصبی هستند. الگوریتم پیشنهادی دارای دو طبقه ی مجزا می باشد. در طبقهاول پنج شبکه عصبی MLP وجود دارد که هر کدام برای تشخیص یکی از عارضه ها متخصص و آموزش می بیند. نتایج حاصل از این شبکه ها برای آموزش شبکه عصبی MLP طبقه دوم استفاده شده، در نهایت توسط طبقه دوم تصمیم نهایی اتخاذ می شود. در این روش برای جبران عدم تناسب تعداد نمونه های هر دسته ازتکنیک افزودن داده های نادر استفاده کردیم. در این تحقیق برای شناسایی پنج نوع عارضه پانکراس از نوعسالم آن با استفاده از ترکیب طبقه بندهای شبکه عصبی MLP با شیوه ای ابتکاری، نتایج بهتری در طبقه بندی عارضه ها نسبت به روش تشخیص با SVM بدست آمد که در ادامه به تشریح آن خواهیم پرداخت.