روش جديد مبتني بر هوش مصنوعي در تشخيص ضايعات دهانه رحم با استفاده از تلفيق روش متوسط الگوهاي دودويي محلي توسعه‌يافته مستحکم و ماشين بردار پشتيبان

حافظي حقاني, سهيلا and ذبيحي‌راد, جابر and قاسم‌بندي, محمد and فرخي, سجاد (2023) روش جديد مبتني بر هوش مصنوعي در تشخيص ضايعات دهانه رحم با استفاده از تلفيق روش متوسط الگوهاي دودويي محلي توسعه‌يافته مستحکم و ماشين بردار پشتيبان. مجله پرستاري و مامايي, 21 (1).

Full text not available from this repository.

Abstract

پيش‌زمينه و هدف: سرطان مهاجم دهانه رحم دومين سرطان شايع در بين زنان سراسر جهان است. روش‌هاي بسياري بر مبناي هوش مصنوعي براي تشخيص دقيق نرمال بودن يا سرطاني بودن سلول‌ها و کمک به فرد متخصص در تشخيص هر چه بهتر و سريع‌تر سرطان ارائه شده است. هدف از انجام پژوهش حاضر، ارائه يک روش جديد و کارآمد در تشخيص سلول‌هاي طبيعي از غيرطبيعي بود.
مواد و روش‌ها: اين يک مطالعه توصيفي بود. براي ايجاد پايگاه داده، 26۰۰ تصوير از ۱۵۰ لام سيتولوژي تهيه گرديد. تصاوير توسط متخصصين مورد ارزيابي، شناسايي و طبقه‌بندي قرار گرفتند. جهت ارزيابي روش پيشنهادي در پايگاه داده تهيه‌شده، از مجموع 2600 تصوير تهيه‌شده 1300 تصوير براي آموزش سيستم و 1300 تصوير براي آزمون در نظر گرفته شد. در اين پژوهش جهت ارزيابي روش پيشنهادي و مقايسه با ساير روش‌ها، از نرم‌افزار MATLAB نسخه R2014b استفاده شده است.
يافته‌ها: جهت استخراج ويژگي‌هاي سلول‌ها در هر سه مرحله از استخراج گرهاي مورفولوژيکي و براي طبقه‌بندي به ترتيب از ماشين بردار پشتيبان، رگرسيون لجستيک و طبقه‌بندي 5/4C استفاده شد. دقت روش پيشنهادي در تشخيص سلول‌ها دهانه رحم در دو گروه نرمال و غيرنرمال 23/98 درصد بود که نسبت به ساير روش‌ها بيشتر بوده و همچنين نسبت مثبـت کـاذب با عدد 92/0 درصد و منفـي کـاذب 85/0 درصد نسبت به ساير روش‌ها کمتر است.
بحث و نتيجه‌گيري: روش پيشنهادي مي‌تواند با تشخيص زودهنگام سرطان با دقت و حساسيت بالا و نتايج کاذب کمتر، کمک چشمگيري به تشخيص در حيطه پزشکي نمايد و در بسياري از موارد در درمان به‌موقع بيماران و جلوگيري از مرگ‌و‌مير آن‌ها تأثير بسزايي داشته باشد.

Item Type: Article
Uncontrolled Keywords: سرطان دهانه رحم، الگوي دودويي محلي توسعه‌يافته، ماشين بردار پشتيبان
Subjects: R Medicine > R Medicine (General)
Depositing User: Unnamed user with email gholipour.s@umsu.ac.ir
Date Deposited: 20 Aug 2023 04:54
Last Modified: 20 Aug 2023 04:54
URI: https://eprints.umsu.ac.ir/id/eprint/7105

Actions (login required)

View Item
View Item