پانیذ تیموری - گروه مهندسی برق، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
مهدی مزینانی - گروه مهندسی برق، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
راحیل حسینی - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران

سرطان معده در ایران اولین عامل و در سطح دنیا پنجمین عامل پیشتاز سرطان می باشد. اگر این بیماری در مراحل اولیه تشخیص داده شود، احتمال درمان بیشتر و هزینه های آن کاهش چشمگیری خواهد داشت. به دلیل پیچیدگی تصاویر پاتولوژیستی و چالش های اساسی موجود در این تصاویر نظیر کنتراست ضعیف بین سلول ها، هم پوشانی سلول ها و تناقض در رنگ آمیزی بافت، فرایند تشخیص این نوع بیماری با مشکل روبرو می شود؛ بنابراین در این پژوهش، مدل هوشمند جدیدی جهت حل این مشکلات ارائه گردیده است؛ به گونه ای که ابتدا از الگوریتمی مبتنی بر کلاه بالا به پایین جهت بهبود کیفیت تصویر بهره گرفته شده و سپس با استفاده از روش های خوشه بندی فازی، تبدیل موجک گسسته، رشد منطقه و مکانیزم رای گیری جهت تشخیص سلول ها اقدام می شود. سپس با کمک یک روش مبتنی بر عملیات مورفولوژی پیشرفته، سلول های دارای هم پوشانی از یکدیگر جدا می شوند و در نهایت ویژگی های سلول، استخراج و به کمک الگوریتم ماشین بردار پشتیبان با کرنل (RBF)، طبقه بندی می گردند. الگوریتم ارائه شده بر روی ۹۶ تصویر دیجیتال میکروسکوپی بیماران بیمارستان بقیه الله اعمال گردیده و با روش تحلیل منحنی ROC ارزیابی شده است. نتایج به دست آمده توسط متخصص پاتولوژیست تایید شده و دقت تشخیص سلول های سالم و سرطانی ۹۲.۱۲٪ و سلول های خوش خیم و بدخیم ۹۴.۱۴٪ می باشد که برای تشخیص زود هنگام این نوع سرطان امیدوارکننده است.

منطق فازی, تبدیل موجک گسسته, مکانیزم رای-گیری, سرطان معده, ماشین بردار پشتیبان