جداسازی تومورهای سرطانی پستان براساس تصاویر حرارتی با استفاده از الگوریتم اتوماتای یادگیری +fcm

ترموگرافی پستان آزمون فیزیولوژیکی است که اطلاعات را بر اساس تغییر دما در پستان فراهم می کند. در این مقاله یک الگوریتم جدید برای جداسازی تومورهای سرطانی پستان براساس تصاویر حرارتی با استفاده از ترکیب الگوریتم خوشه بنید فازی fcm)C-means) و اتوماتای یادگیر معرفی شده است و همچنین از الگوریتم fuzzy k-means نیز برای جدسازی تومورها استفاده کرده ایم. این دو روش برای موارد مختلف از جمله فیبروکیتیک موارد سرطان التهابی تست شدت شده است و داغترین مناطق پستان با استفاده از این دو الگوریتم استخراج و در آخر با هم مقایسه کرده ایم. نتایج تجربی به دست آمده از این مقاله نشان می دهد ترکیب الگوریتم خوشه بندی فازی fcm) C-means) و اتوماتای یادگیر عملکرد برتری از نظر حساسیت و ویژگی نسبت به الگوریتم های دیگر دارد. داغترین مناطق استخراج شده در الگوریتم پیشنهادی بیشتر شبیه به تصویر واقعی می باشد.همچنین الگوریتم پیشنهادی مورد استفاده در این مقاله بهبود خیلی بیشتری از نظر حساسیت (79%) و ویژگی (81%) برای مقداردهی اولیه نسبت به روش fcm کلاسیک را نشان می دهد. با توجه به نتایج، روش پیشنهادی یک رویکرد دقیق و دارای پتانسیل برای استخراج شکل دقیق تومور است.

Keywords:

خوشه بندی رنگی , تصویر برداری حرارتی , الگوریتم های یادگیری , تشخیص سرطان پستان