مروری بر رویکرد جدید استخراج ویژگی بر اساس تصاویر سی تی اسکن ریه با استفاده ازالگوریتم های یادگیری ماشین برای طبقه بندی بیماری ریه

تشخیص صحیح بیماری ریه براساس پردازش، تجزیه و تحلیل تصاویرسی تی اسکن ریه اهمیت زیادی برای کمک در تصمیم گیری پزشکان دارد. در این مطالعه، یک روش استخراج ویژگی جدید مبتنی بر الگوهای چگالی بافت انسانی ، به نام تجزیه و تحلیل تراکم بافت ان سانی ( (AHTD ارایه شده ا ست. ضمنا باروش های ماتریس رخداد سطح خاک ستری))GLCM۳، گشتاور هو))HM۴، گشتاورهای آماری))SM۵و گشتاور زرنیک ZM مقایسه شده است. مجموعه دادگان تصاویر توموگرافی قفسه سینه از بیمارستان دانشگاه Walter Cantidio Fortaleza برزیل دریافت شده است. چهار طبقه کننده یادگیری ماشین شامل: طبقه کننده بیزین ، جنگل بهینه مسیر ( OPF۷) ، نزدیکترین همسایه (KNN۸) و ماشین بردارپشتیبان ( (SVM۹ برای طبقه بندی بیماری های ریوی در تصویر قفسه سینه در این مطالعه استفاده شده است که ا ستخراج ویژگی از تصاویر ریه در ۵.۲ میلی ثانیه انجام گرفته و دقت ۹۹.۰۱ ٪ برای ت شخیص و طبقه بندی بیماری های ریوی بدست آمده است. نتیجه بدست آمده این مطالعه نشان می دهد که می تواند در برنامه های در حال اجرا به دلیل زمان برداشت سریع و دقت بالا ، روش جدید پیشنهادی این مطالعه برای طبقه بندی بیماری های ریوی براساس تصاویر سی تی اسکن ریه مورد استفاده قرار گیرد.

Keywords:

تجزیه و تحلیل تراکم بافت انسانی , ماتریس رخداد سطح خاکستری , بیماری ریه , گشتاور , یادگیری ما شین , استخراج ویژگی , ماشین بردار پشتیبان , جنگل مسیر بهینه.