خوشه بندی و غربالگری سرطان پستان بر اساس تصاویر حرارتی با استفاده از ترکیب شبکه ی عصبی SOM وMLP
- سال انتشار: 1391
- محل انتشار: فصلنامه بیماری های پستان، دوره: 5، شماره: 3
- کد COI اختصاصی: JR_IJBD-5-3_007
- زبان مقاله: فارسی
- تعداد مشاهده: 546
نویسندگان
دانشجو دکتری مهندسی پزشکی دانشگاه حکیم سبزواری
دانشجوی کارشناسی ارشد مهندسی پزشکی،دانشگاه حکیم سبزواری و عضو مرکز تحقیقات فناوری های نوین پزشکی دانشگاه علوم پزشکی سبزوار
دانشیار گروه مهندسی پزشکی دانشگاه حکیم سبزواری و عضو مرکز تحقیقات فناوری های نوین پزشکی دانشگاه علوم پزشکی سبزوار
استادیار فیزیولوژی، مرکز تحقیقات سلولی- مولکولی و گروه فیزیولوژی-دانشگاه علوم پزشکی سبزوار
چکیده
سرطان پستان یکی از شایع ترین سرطان ها بین بانوان می باشد. با توجه به اهمیت غربالگری سرطان پستان و نقش آن در شناسایی به موقع بیماران و همچنین کاهش هزینه های درمان، جزو اولویت های بهداشتی یک کشور قرار می گیرد.تصویربرداری حرارتی به دلیل سرعت عملکرد در تشخیص و عدم تابش پرتو مضرر می تواند در این مرحله از جایگاه ویژه ای برخوردار می باشد.موارد و روش ها : در روش ارایه شده سعی شده است از هوش مصنوعی در جهت شناسایی و غربالگری سرطان پستان استفاده شود تا خطای احتمالی ناشی از تشخیص پزشک تا حد امکان کاهش یابد. به همین منظور ابتدا به کمک شبکه های عصبی خودسازمان ده به خوشه بندی یک تصویر حرارتی که از بیمارگرفته شده است می پردازیم سپس نواحی مشکوک را ازتصویر جداسازی می نماییم نتیجه این مرحله را به الگوریتمی شبیه الگوریتم ابتدایی اما با مشخصات متفاوت اعمال مینمایم تا ویژگی های تشخیصی برای غربالگری استخراج شود این ویژگی ها در نهایت به شبکه های عصبی MLP داده خواهد شدتا فرایند غربالگری به اتمام برسد.نتایج: تعداد تصاویری که برای این تحقیق در جهت آزمایش در نظر گرفته شده است شامل دو پایگاه 200 نفری و یک پایگاه 50 نفری از بیماران بوده است که در مورد اول 15 نفر و در مورد دوم 4 نفر سرطانی بوسیله ماموگرافی تشخیص داده شده اند. نتایج حاصل از روش در پایگاه اول حساسیت %93 و در پایگاه دوم %100 را نشان می دهد. بحث و نتیجه گیری : نتایج این تحقیق بیانگر آن است که تصاویر حرارتی به کمک روش ارایه شده که مبتنی بر هوش مصنوعی می باشد می تواند در غربالگری سرطان پستان به دلیل عدم تابش پرتو مضرر از جایگاه ویژه ای برخوردار باشد. همیشه مواردی وجود دارد که پزشک نمی تواند با قاطعیت بگوید که الگوی مشاهد شده در عکس خوش خیم یا بدخیم است در این موارد پاسخ مدل کامپیوتری می تواند راهنمای بسیار خوبی برای پزشک باشد تا او بتواند با تکیه بر پاسخ مدل کامپیوتری با صراحت بیشتری نسبت به نوع الگوی تصویر برداری اظهار نطر نمایدکلیدواژه ها
غربالگری سرطان پستان،شبکه های عصبی خود سازمان یافته ،شبکه های عصبی .MLPمقالات مرتبط جدید
- سرطان چگونه به وجود می آید؟
- آشنایی با انواع سرطان و علائم آنها، راه های تشخیص و درمان
- Deciphering the Impact of the L۸۵۸R Mutation in EGFR: Computational Insights and Therapeutic Implications in Non-Small-Cell Lung Cancer
- systematic review on Investigating the relationship between obesity and breast cancer in women
- بررسی تغییرات بیان ژن های دخیل در بروز سرطان کارسینوم سلول های سنگفرشی دهان مطالعه متا آنالیزی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.