مروری بر تشخیص و طبقه بندی بیماری های مزمن ریه توسط استخراج ویژگی از تصاویر سی تی اسکن با استفاده از تکنیک های پردازش تصویر و به کار گیری شبکه عصبی مصنوعی چندلایه

تشخیص زود هنگام بیماری ریه ازطریق تصاویر سی تی اسکن یک مسیله مهم است ، زیرا تشخیص دیر هنگام بیماری باعث مرگ بیمار می شود. دراین مطالعه از روش های طیفی و آماری برای تجزیه وتحلیل تراکم بافت استفاده شده است . ازآنجایی که تصاویر سی تی اسکن ریه درطی تصویربرداری دچار نویزمی شوند، از این رو از روش های طیفی که مقاوم به نویز هستند و همچنین نسبت به چالش هایی مانند تغییر مقیاس ، تغییر حالت رو شنایی و چرخش ثابت هستند، در این مطالعه پیشنهاد شده ا ست و تشخیص بیماری ریه با ا ستفاده از ا ستخراج ویژگی تو سط روشهای آماری تراکم بافت ازت صاویر ریه انجام شده ا ست. مجموعه دادگان شامل ۷۲ تصویر دوریه از بیمارستان دانشگاه والتر برزیل می باشد. توسط شبکه عصبی مصنوعی دولایه (واحد ورودی این شبکه شامل سه ویژگی استخراج شده از ماتریس هم رویدادی سطح خاکستری ، یک لایه پنهان دارای ۵۰ نرون ولایه خروجی که شاخص های کلاس می باشد) مورد ارزیابی قرارگرفت، که دقت ۹۶٪ برای تشخیص وطبقه بندی افراد دارای بیماری مزمن ریوی و افراد سالم بدست آمد.

کلیدواژه ها:

پردازش تصویر ، شبکه عصبی مصنوعی ، بیماری ریه ، موجک گابور ، تشخیص و شناسایی کامپیوتری ، استخراج ویژگی.