هدا نعمت - دانشگاه تربیت مدرس
علی گویا - دانشگاه تربیت مدرس،
علی محلوجی فر - دانشگاه تربیت مدرس
نسرین احمدی نژاد - دانشگاه تربیت مدرس

سیستمهای تشخیص کمک رایانهای سرطان پستان که برای تشخیص و کلاسبندی تومورها در تصاویر اولتراسوند استفاده میشوند، غالب ا از چهار بخش پیشپردازش، ناحیهبندی، استخراج و انتخاب ویژگی، و کلاسبندی تشکیل میشوند. در این مقاله انتخاب ویژگی با کمک الگوریتم رگرسیون لجستیک تنک ) SLR (، به طور خودکار و همزمان با کلاسبندی انجام میشود. این الگوریتم با استفاده از روش ARD اهمیت هر پارامتر را همزمان با تخمین مقادیر پارامتر، تعیین کرده و ویژگیهای نامرتبط را حذف میکند. در این پژوهش، پس از مراحل پیشپردازش و ناحیهبندی، با استخراج ۲۵ ویژگی ریختشناسی و اعمال الگوریتم SLR ، به طبقهبندی تومورهای پستان پرداخته شده است. همچنین این طبقهبندی با استفاده از هفت روش انتخاب ویژگی T_test ، Fisher_score ، SBMLR ، FCBF ، MCFS ، CFS و Chi_square و استفاده از کلاسبند رگرسیون لجستیک و نیز بدون انتخاب ویژگی انجام شده است. با توجه به نتایج بدست آمده، الگوریتم رگرسیون لجستیک تنک، در مقایسه با سایر الگوریتمها، عملکرد بهتری را ارائه میدهد و ضمن معرفی متمایزکنندهترین ویژگیها، میتواند نوع تومور را با صحت ۹۶ % تعیین کند

انتخاب ویژگی، رگرسیون لجستیک تنک، کلاسبندی