تشخيص سلول هاي پيش سرطاني دهانه رحم با استفاده از طبقه بندي تركيبي برروي تصاوير پاپ اسمير

زمينه. سرطان دهانه رحم در سلول هاي سطحي آغاز شده و به مرور زمان مي تواند بافت هاي عميق تر و بافت هاي اطراف را مورد تهاجم قرار بدهد. اين مقاله ايده خلاقانه اي را در مورد استفاده از الگوريتم طبقه بندي تركيبي ارائه مي دهد كه باعث بهبود عملكرد پيش بيني كننده سيستم هوش مصنوعي مبتني برغربالگري سرطان دهانه رحم مي شود. هدف از اين تحقيق، طبقه بندي تصاوير پاپ اسمير توسط روش هاي مختلف يادگيري ماشين براي دستيابي به ميزان تشخيص با دقت بالا است. روش كار. اين مطالعه بر روي 917 تصوير پاپ اسمير از پايگاه داده ي عمومي Herlev انجام پذيرفت. در مرحله استخراج ويژگي تعداد 20 ويژگي هندسي و 76 ويژگي بافتي استخراج شده است. سپس با استفاده از روش طبقه بندي تركيبي تصاوير به دو دسته (طبيعي و غير طبيعي) و هفت دسته (سطحي طبيعي، متوسط طبيعي و پارابازال طبيعي و سلول هاي پيش سرطاني خفيف، پيش سرطاني متوسط، پيش سرطاني شديد و سلول هاي سرطاني) تقسيم شده اند و صحت روش پيشنهادي مورد بررسي قرار گرفته شده است. يافته ها. الگوريتم مورد نظر در طبقه بندي تركيبي توانست به صحت 99/9 درصد با مدت زمان 0/028 ثانيه در طبقه بندي دوكلاسه و صحت 76/5 درصد با مدت زمان 0/033 ثانيه در طبقه بندي هفت كلاسه دست پيدا كند. نتيجه گيري. براساس نتايج، الگوريتم طراحي شده مي تواند به عنوان يك ابزار كمك تشخيص كامپيوتري به منظور پيش آگاهي و افزايش دقت و سرعت پيش بيني خطر بروز سرطان دهانه رحم استفاده گردد. پيامدهاي عملي. سرطان دهانه رحم يكي از شايع ترين سرطان ها در بين زنان مي باشد كه تشخيص به موقع بيماري مي تواند از صرف هزينه هاي مختلف براي بيماران و مراجعات مكرر به مراكز درماني جلوگيري به عمل آورد. در اين مطالعه روش كمك تشخيصي كامپيوتري مناسبي براي تشخيص زود هنگام اين بيماري و افزايش دقت در تشخيص ارائه شده است.