انتخاب بهینه ویژگی های طیفی رامان با استفاده از الگوریتم کلونی مورچگان به منظورتشخیص سرطان پستان

این مقاله با انتخاب بهینه ترین ویژگیهای طیفی رامان توسط الگوریتم کلونی مورچگان به تشخیص نمونه های طیفی در سه کلاس سرطانی، نرمال و خوش خیم میپردازد. امروزه روش رایج جهت تشخیص سرطان انجام آزمایش پاتولوژی است که دارای مشکلاتی همچون تهاجمی بودن، زمان پاسخ طولانی و نتایج وابسته به فرد است. بنابراین استفاده از تکنیکهای نوری از جمله طیف سنجی رامان در تشخیص این بیماری بسیار مورد توجه قرار گرفته است. بدین منظور تعداد 49 طیف از 3 نمونه سرطانی، 3 نمونه نرمال و 5 نمونه خوش خیم از بافت پستان توسط سیستم رامان با طول موج 785 نانومتر استخراج گردیده است که پس از انجام پیش پردازش ها جهت حذف نویز و فلورسانس پس زمینه، مجموعه دادهای شامل 2700 نقطه طیفی به ازای هر طیف بدست آمده سپس از الگوریتم ACO و طبقه بند QDA برای کاهش ویژگی ها و انتخاب ویژگیهای بهینه استفاده شده است که باعث افزایش دقت پیشگویی و همچنین کاهش بار محاسباتی می شود. لذا با انتخاب 5 ویژگی بهینه صحت تشخیص 14 درصد افزایش یافته و به 87/7 درصد در طبقه بندی سه کلاس مذکور رسیده است.

کلیدواژه ها:

سرطان ، طیف سنجی رامان ، انتخاب ویژگی ، کلونی مورچگان ، طبقه بند QDA