کشف سرطان سینه با استفاده از الگوریتم های یادگیری ماشین

سرطان سینه در دهه های اخیر افزایش یافته است، ولی مرگ به دلیل سرطان نیز تا حدودی با تشخیص به موقع کاهش یافته است. در مطالعه ایی که در سال 2003 میلادی توسط انجمن سرطان آمریکا انجام شدهاست، برآورد شده است که در ایالات متحده آمریکا بین 1 تا 8 زن از 20 زن در طول زندگی خود به سرطان سینه دچار می شوند. یکی از دلایل کاهش میزان مرگ و میر به دلیل استفاده از تصویربرداری ماموگرافی است که سرطان را در مراحل اولیه شکل گیری تشخیص داده و پیشرفت هایی در درمان سرطان سینه حاصل شده است و یک روش کلیدی در تشخیص ناهنجاری های مربوط به سینه است. همانطور که در این تحقیق مشاهده شد بخش بندی معرفی شده در تحقیق حاضر بسیار اثربخش بود. الگوریتم های اکتشاف لبه و بخش بندی مناطق زمانی که تصاویر پیش پردازش می شوند، بسیار کارآمدتر عمل میکنند. هرچقدر تصاویر ماموگرافی دارای کیفیت بیشتری باشند، توده های و میکروکلاسیفیکیشن ها راحت تر تشخیص داده می شوند.

کلیدواژه ها:

کانتور استخراج شده ، سرطان سینه ، ماموگرافی ، الگوریتم SVM ، شبکه عصبی MLP ، شبکه عصبی RBF