ارايه يك مدل هوشمند قطعه‌بندي مبتني بر منطق فازي و تبديل موجك گسسته در تصاوير ديجيتالي جهت شناسايي سرطان معده

سرطان معده در ايران اولين عامل و در سطح دنيا پنجمين عامل پيشتاز سرطان مي‌باشد. اگر اين بيماري در مراحل اوليه تشخيص داده شود، احتمال درمان بيشتر و هزينه‌هاي آن كاهش چشمگيري خواهد داشت. به دليل پيچيدگي تصاوير پاتولوژيستي و چالش‌هاي اساسي موجود در اين تصاوير نظير كنتراست ضعيف بين سلول‌ها، هم‌پوشاني سلول‌ها و تناقض در رنگ‌آميزي بافت، فرايند تشخيص اين‌ نوع بيماري با مشكل روبرو مي‌شود؛ بنابراين در اين پژوهش، مدل هوشمند جديدي جهت حل اين مشكلات ارائه گرديده است؛ به گونه‌اي كه ابتدا از الگوريتمي مبتني بر كلاه بالا به پايين جهت بهبود كيفيت تصوير بهره گرفته شده و سپس با استفاده از روش‌هاي خوشه‌بندي فازي، تبديل موجك گسسته، رشد منطقه و مكانيزم راي‌گيري جهت تشخيص سلول‌ها اقدام مي‌شود. سپس با كمك يك روش مبتني بر عمليات مورفولوژي پيشرفته، سلول‌هاي داراي هم‌پوشاني از يكديگر جدا مي‌شوند و در نهايت ويژگي‌هاي سلول، استخراج و به كمك الگوريتم ماشين‌بردار پشتيبان با كرنل (RBF)، طبقه‌بندي مي‌گردند. الگوريتم ارائه شده بر روي ۹۶ تصوير ديجيتال ميكروسكوپي بيماران بيمارستان بقيه‌الله اعمال گرديده و با روش تحليل منحني ROC ارزيابي شده است. نتايج به دست آمده توسط متخصص پاتولوژيست تاييد شده و دقت تشخيص سلول‌هاي سالم و سرطاني 92.12٪ و سلول‌هاي خوش‌خيم و بدخيم 94.14٪ مي‌باشد كه براي تشخيص زود هنگام اين نوع سرطان اميدواركننده است.