تشخيص سرطان ريه از تصاوير سی ‌تی ‌اسکن با استفاده از تاثیر استخراج ویژگی شبكه عصبي كانولوشن

در این مقاله، الگوریتمی برای تشخیص سرطان ریه از تصاویر سی‌تی‌اسکن با استفاده از تأثیر استخراج ویژگی از شبکه عصبی کانولوشن (CNN) ارائه شده است. در روش پیشنهادی، برای افزایش سرعت و دقت پردازش، در ابتدا در مرحله پیش‌پردازش به حذف نویز و افزایش کیفیت تصویر پرداخته شده است. در مرحله بعد، آستانه‌گذاری جهت قطعه‌بندی تصاویر به منظور جدا کردن بافت‌های سالم ریه از تومور و نواحی مشکوک انجام شده است. عملیات قطعه‌بندی ریه توسط الگوریتم کانتور فعال و الگوریتم واترشد انجام شده و ندول‌های داخلی ریه جدا شده‌اند. سپس، با استفاده از استخراج ویژگی‌های تصاویر با استفاده از روش شبکه عصبی کانولوشن، ندول‌های جدا شده برای طبقه‌بندی نواحی مشکوک به ندول‌های ریوی در سه دسته، شامل ریه سالم، ندول خوش‌خیم و ندول‌ بدخیم، دسته‌بندی می‌شوند. الگوریتم پیشنهادی برای شناسایی و قطعه‌بندی ندول‌های ریوی از تصاویر موجود در پایگاه داده LIDC استفاده شده است. نتایج الگوریتم نهایی نشان می‌دهد که این روش پیشنهادی با دست‌یافتن به نرخ حساسیت 93.5% و دقت 94% در مقایسه با روش‌های پیشین عملکرد موفقی داشته است.

استخراج ویژگی، قطعه¬بندی، سی تی اسکن، سرطان ریه، شبكه عصبي كانولوشن (CNN).