خوشه بندي و شناسایی کردن سرطان پستان توسط تصاویر حرارتی به کمک ترکیب شبکه عصبی SOM و S

مقدمه: تصویربرداري مادون قرمز یک روش تصویربرداري غیرتهاجمی است که به عنوان یک ابزار تشخیصی به کار میرود. این تحقیق تلاشی براي طبقه بندي کردن سرطان پستان به وسیله استخراج اطلاعات کمی و کیفی از تصاویر حرارتی و استخراج بهترین پارامترهاي تشخیصی از میان کل پارامترهاي موجود به کمک شبکههاي عصبی خود سازمانده در جهت شناسایی سرطان پستان است. موارد و روشها: در روش پیشنهادي ابتدا از طریق شبکههاي عصبی خود سازمانده به طبقه بندي کردن یک تصویر حرارتی میپردازیم و نواحی مشکوك را استخراج نموده سپس دوباره نواحی جداسازي شده را با الگوریتم دوم از شبکه SOM که داراي ساختار متفاوت با الگوریتم اول است به طبقه بندي نمودن نواحی جداسازي شده قبلی میپردازیم تا نهایتاً به دو کلاس طبقه بندي نماییم سپس وزنها یا به عبارتی مراکز ایجاد شده این دو کلاس به عنوان ویژگیهاي تشخیص به ماشین بردار پشتیبان SVM داده خواهد شد تا نمونههاي سرطانی از غیر سرطانی تفکیک گردد. نتایج: به وسیله الگوریتم پیشنهادي توانستیم به شناسایی سرطان پستان از روي تصاویر حرارتی دست یابیم مقدار کارایی (Performance) خروجی شبکههاي ماشین بردار پشتیبان با نتایج ماموگرافی برابر 73/ 1 است که نتیجه قابل ملاحظهاي صورت پذیرفته است. بحث و نتیجهگیري: نتایج این تحقیق بیانگر آن است که مدل ترکیبی قادر است بهترین پارامتر تشخیصی را از روي تصاویر حرارتی استخراج نموده سپس توسط این پارامترها به کلاس بندي و جداسازي تصاویر سرطانی از غیر سرطانی با دقت بالا پرداخت. واژههاي کلیدي: تصاویر حرارتی، سرطان پستان، شبکههاي عصبی خود سازمانده SOM، ماشین بردار پشتیبان

تصاویر حرارتی، سرطان پستان، شبکههاي عصبی خود سازمانده SOM، ماشین بردار پشتیبان SVM.