به کارگیری روش بهینه یابی فاخته (CUCKOO) به منظور بهینه سازی الگوریتم قطعه بندی FCM در تصاویر لام خونی بیماران لوسمی حاد
Publish place: Fifth International Conference on Electrical and Computer Engineering with Emphasis on Indigenous Knowledge
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 878
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF05_270
تاریخ نمایه سازی: 21 اردیبهشت 1397
Abstract:
سرطان ها بدون شک امروزه یکی از مهم ترین عوامل مرگ و میر هستند. به طوری که پس از بیماری های قلبی و تصادفات به عنوان سومین عاملی شناخته می شود که سال های زیادی از عمر انسان را تلف میکند . به همین دلیل حجم وسیعی از مطالعات پزشکی به سمت شناسایی ، درمان و پیشگیری از آن ها هدایت می شود. شناسایی عوامل ایجاد کننده سرطان و روش های مختلف تشخیص و درمان آن ها نیز بخش مهمی است . یکی از انواع سرطان، لوسمی (خون) میباشد. در بیمارستانها و مراکز درمانی تشخیص سرطان خون با تهیه لام از بافت خون و قراردادن زیر میکروسکوپ وتوسط یک متخصص پاتولوژی صورت میگیرد. پاتولوژیستها با توجه به شکل و تعداد گلبولهای موجود در خون نوع بیماری را مشخص میکنند. هدف از این مقاله ارایه مدلی با استفاده از الگوریتم Kmeans برای قطعه بندی هسته های سلول های سرطان خون می باشد. الگوریتم پیشنهادی در این مقاله برپایه ترکیب روش قطعه بندی Kmeans با الگوریتم بهینه یابی فاخته یا CUCKOO می باشد. در این تحقیق روش پیشنهادی بر روی تصاویر لام خونی بیماران لوسمی حاد پیاده سازی گردید. حساسیت و دقت به طور میانگین برای روش پیشنهادی به ترتیب %94,00 و %87,5 می باشد. نتایج حاصل شده نشان دهنده بهبود روش پیشنهادی نسبت به روش های کلاسیک FCM و Kmeans میباشد.
Keywords:
Authors
طاهره پیرمرادی
گروه کامپیوتر،دانشکده فنی و مهندسی، واحد اراک، دانشگاه آزاد اسلامی ،اراک، ایران
عباس کریمی
استادیار گروه مهندسی کامپیوتر،دانشگاه آزاد،اراک،ایران
محمدرضا مهاجرانی
استاد یار گروه تحصیلات تکمیلی زیست،دانشگاه آزاد،اراک ،ایران