انتخاب ویزگی های مؤثر در تشخیص خودکار ضایعات رنگدانه ای با استفاده از الگوریتم زنبور عسل

در این مقاله روش جدیدی برای انتخاب ویژگی از تصاویر و تشخیص خودکار ضایعات رنگدانه ای پوست ارائه شده است. پس از اعمال فرآیندهای پیش پردازش و جداسازی ضایعه از پوست سالم اطراف آن، از هر تصویر ضایعه، 94 ویژگی شامل ویژگی های شکل، رنگ و بافت استخراج می شود. در این تحقیق، 250 تصویر در موسکویی شامل 115 ضایعه ملانوما و 135 ضایعه خوش خیم مورد بررسی قرار گرفته است. بعد از نرمال سازی ویزگی ها، الگوریتم زنبور عسل ویزگی هایی را تعیین می کند که با استفاده از طبقه بند k نزدیکترین همسایگی (knn) دقت طبقه بندی افزایش پیدا کند. با استفاده از این تکنیک و کاهش تعداد ویژگی ها از 94 ویژگی به 10 ویژگی بیشترین دقت طبقه بندی حاصل می شود. نتایج نشان می دهد که دقت تشخیص ضایعات رنگدانه ای، با استفاده از طبقه بند KNN و الگوریتم زنبور عسل، از 76/4% به 95/11% ارتقاء یافته است.

کلیدواژه ها:

ضایعات رنگدانه ای پوست ، استخراج ویزگی ، انتخاب ویژگی ، طبقه بند