تشخیص و طبقه بندی تصاویر دارای سرطان پانکراس با استفاده از ویژگی های مبتنی بر بافت

امروزه سرطان پانکراس به یکی از انواع سرطان شایع تبدیل شده است. که معمولا علائم ظاهری کمی نسبت به سایر سرطان ها دارد. این عارضه دارای پنج مرحله مجزا شامل پانکراتیت، تومورخوش خیم، توموربد خیم، کیست خوش خیم و کیست بدخیم است. وضعیت ظاهری این عارضه شباهت زیادی به بافت های سالم شکمی دارد، پس معمولا تشخیص ناحیه عارضه بسیار مشکل و همراه با خطا است. بنابراین ارائه راهکاری غیرتهاجمی جهت تشخیص افراد سالم از بیمار، دارای اهمیت مهمی است. این مطالعه به منظور ارائه یک روش غیرتهاجمی جهت تشخیص سرطان پانکراس از بافت های سالم با استفاده از تصاویر CT است. در این راستا، قطعه بندی تصاویر CT اسکن با استفاده از الگوریتم K- means به منظور تشخیص پانکراس روی تصاویر اعمال شده و سپس ویژگی های مبتنی بر بافت از ناحیه موردنظر استخراج شده است. در مرحله ی بعد با استفاده از شبکه های عصبی مختلف نظیر ماشین بردارپشتیبان، شبکه عصبی پرسپترون چندلایه و نزدیک ترین K همسایه ،تصاویر به دو دسته بیمار و سالم طبقه بندی شده است. درمرحله ی آخر عملکرد طبقه بندی ها با استفاده از پارامترهای حساسیت، اختصاصی بودن و دقت ارزیابی شده و نتایج حاصل با کارهای گذشته مورد مقایسه قرارگرفته است

کلیدواژه ها:

تصاویر CT ، خوشه بندی K- means سرطان پانکراس ، شبکه های عصبی مصنوعی